1、基礎知識
線性代數(shù)基礎
概率與數(shù)理統(tǒng)計基礎
微積分基礎
Python基礎
2、常用機器學習算法：
決策樹算法
隨機森林算法
樸素貝葉斯算法
邏輯回歸算法
SVM算法
K--mean算法
異常URL分類實戰(zhàn)
算法優(yōu)化技術
3、深度學習基礎
神經(jīng)網(wǎng)絡
稀疏性
自編碼器
手寫體識別實戰(zhàn)
驗證碼安全級別介紹
驗證碼識別實戰(zhàn)
4、卷積神經(jīng)網(wǎng)絡（CNN）
卷積算法
池化
PCA
One-Hot
圖像識別實戰(zhàn)
僵尸網(wǎng)絡與DDOS
CNN僵尸網(wǎng)絡識別實戰(zhàn)
5、遞歸神經(jīng)網(wǎng)絡（RNN）
遞歸神經(jīng)網(wǎng)絡算法
LSTM與梯度消失
Attention機制
文本情景分析實戰(zhàn)
傳統(tǒng)垃圾郵件解決方案
RNN實現(xiàn)垃圾郵件分類實戰(zhàn)
6、最新深度學習進展
增強學習（RL）算法介紹
對抗學習（GAN）算法介紹
網(wǎng)絡安全與機器學習研究方向介紹
第1章: 基礎知識
第1節(jié): 課程介紹
1 : 課程介紹
任務1： 機器學習課件和作業(yè).rar
第2節(jié): 開發(fā)環(huán)境
2 : 開發(fā)環(huán)境
第3節(jié): 數(shù)學
3 : 線性代數(shù)
4 : 概率學基礎
5 : 信息論基礎
第4節(jié): Python基礎
6 : Python基礎
7 : 面向對象
第5節(jié): 數(shù)學實驗實踐
8 : 數(shù)學實驗實戰(zhàn)
第2章: 常用機器學習算法
第1節(jié): 數(shù)據(jù)分析
9 : numpy
10 : pandas
第2節(jié): 機器學習
11 : 機器學習
第3節(jié): 實戰(zhàn)項目
12 : miniPJ1
13 : miniPJ2
第3章: 深度學習基礎
14 : 深度神經(jīng)網(wǎng)絡
15 : 稀疏自編碼
16 : softmax
第4章: 卷積神經(jīng)網(wǎng)絡
21 : 卷積網(wǎng)絡-上
22 : 卷積網(wǎng)絡-中
23 : 卷積TF編程
24 : 實踐
25 : alex_net
26 : vggnet
27 : InceplionV1
28 : InceplionV2
29 : InceplionV3
30 : resnet-V1
31 : resnet-V2
32 : mini_Project
33 : mini_Project
34 : mini_Project
第5章: 遞歸神經(jīng)網(wǎng)絡
35 : 遞歸神經(jīng)網(wǎng)絡
36 : Word2Vec
|
合作伙伴與授權機構
總部李老師
