 班級人數(shù)--熱線:4008699035 手機:15921673576( 微信同號) |
| 增加互動環(huán)節(jié)，
保障培訓(xùn)效果，堅持小班授課，每個班級的人數(shù)限3到5人，超過限定人數(shù),安排到下一期進行學(xué)習(xí)。 |
| 授課地點及時間 |
上課地點：【上?！浚和瑵髮W(xué)(滬西)/新城金郡商務(wù)樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學(xué)成教院 【北京分部】：北京中山學(xué)院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領(lǐng)館區(qū)1號（中和大道） 【廣州分部】：廣糧大廈 【西安分部】：協(xié)同大廈 【沈陽分部】：沈陽理工大學(xué)/六宅臻品 【鄭州分部】：鄭州大學(xué)/錦華大廈 【石家莊分部】：河北科技大學(xué)/瑞景大廈
開班時間(連續(xù)班/晚班/周末班）：2025年11月17日..合作共贏....實用實戰(zhàn)....實戰(zhàn)培訓(xùn)....用心服務(wù)..........--即將開課--...................... |
| 課時 |
◆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆若學(xué)員成績達到合格及以上水平，將獲得免費推薦工作的機會
★查看實驗設(shè)備詳情，請點擊此處★ |
| 質(zhì)量以及保障 |
☆
1、如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
☆ 2、在課程結(jié)束之后,授課老師會留給學(xué)員手機和E-mail,免費提供半年的課程技術(shù)支持，以便保證培訓(xùn)后的繼續(xù)消化；
☆3、合格的學(xué)員可享受免費推薦就業(yè)機會。
☆4、合格學(xué)員免費頒發(fā)相關(guān)工程師等資格證書，提升您的職業(yè)資質(zhì)。 |
☆課程大綱☆ |
| |
- 第一章：監(jiān)督學(xué)習(xí)
簡介
在深入研究多種機器學(xué)習(xí)算法之前，我們先了解整個領(lǐng)域的全局知識
線性回歸
了解分類與回歸的區(qū)別，學(xué)習(xí)如何使用線性回歸來做預(yù)測
感知器算法
學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中的感知器，以及如何使用它進行分類
決策樹
學(xué)習(xí)決策樹，并使用決策樹探索泰坦尼克號乘客存活模型
樸素貝葉斯
學(xué)習(xí)樸素貝葉斯原理，并構(gòu)建垃圾郵件分類器
支持向量機
學(xué)習(xí)如何訓(xùn)練支持向量機以線性分離數(shù)據(jù)；
使用核方法在非線性可分的數(shù)據(jù)上來訓(xùn)練 SVMs
集成方法
通過 boosting 提升傳統(tǒng)方法；Adaboost
模型評估維度
學(xué)習(xí)評估模型的常用維度：準確率、精讀、召回率等等。
錯誤與優(yōu)化
了解訓(xùn)練過程中常見的錯誤類型，學(xué)習(xí)如何處理錯誤來優(yōu)化模型性能。
Lab：為銀行提供精準營銷方案
練習(xí)機器學(xué)習(xí)基礎(chǔ)技能，在實戰(zhàn)中掌握預(yù)測的 pipeline。
- 實戰(zhàn)項目 1：航班延誤預(yù)測
第二章：深度學(xué)習(xí)
神經(jīng)網(wǎng)絡(luò)簡介
學(xué)習(xí)深度學(xué)習(xí)基礎(chǔ)，包括 softmax、one-hot encoding 和 cross entropy
學(xué)習(xí)感知器與梯度下降
實現(xiàn)梯度下降
了解如何實現(xiàn)梯度下降，并實現(xiàn)一個反向傳播
訓(xùn)練神經(jīng)網(wǎng)絡(luò)
學(xué)習(xí)如何訓(xùn)練神經(jīng)網(wǎng)絡(luò)，包括早期停止、正則化、dropout等知識
PyTorch
學(xué)習(xí)如何使用 PyTorch 構(gòu)建神經(jīng)網(wǎng)絡(luò)，并在 Fashion-MNIST 數(shù)據(jù)集上學(xué)習(xí)圖像分類與遷移學(xué)習(xí)。
實戰(zhàn)項目 2：人臉識別
第三章：非監(jiān)督學(xué)習(xí)
聚類
學(xué)習(xí)如何聚類算法，并嘗試使用 k-means 對數(shù)據(jù)進行聚類
層次聚類法與密度聚類
學(xué)習(xí)單連接聚類法和層次聚類法，DBSCAN
高斯混合模型與聚類驗證
學(xué)習(xí)高斯混合模型及相關(guān)示例，以及聚類分析過程和如何驗證聚類結(jié)果。
降維和 PCA
了解降維的作用，并學(xué)習(xí) PCA 的原理和使用場景
隨機投影與 ICA
學(xué)習(xí)隨機投影與獨立成分分析，并通過 Lab 學(xué)習(xí)如何應(yīng)用這些方法
實戰(zhàn)項目 3：創(chuàng)建客戶細分
第四章：軟件工程
軟件工程練習(xí)
編寫清晰、注釋充分的模塊化代碼
重構(gòu)代碼并提高代碼效率
創(chuàng)建檢驗程序的單元測試
通過日志記錄進程操作和結(jié)果
審閱代碼
編程
了解何時使用面向?qū)ο缶幊蹋?br>
構(gòu)建和使用類；
了解如何創(chuàng)建大型模塊化 Python 軟件包并使用面向?qū)ο缶幊?br>
將軟件包上傳到 PyPI
作品集練習(xí)：構(gòu)建你自己的 Python 軟件包
案例演練：構(gòu)建 PYTHON 軟件包
第五章：模型部署
部署簡介
了解云端和部署術(shù)語
了解生產(chǎn)環(huán)境中的機器學(xué)習(xí)工作流程
了解機器學(xué)習(xí)的工作場所用例
部署模型
在 SageMaker 中部署模型
使用 SageMaker 上的 XGBoost 預(yù)測波士頓房價
使用 SageMaker 上的 XGBoost 判斷影評情感
網(wǎng)絡(luò)托管
學(xué)習(xí)如何從網(wǎng)站提供端點訪問權(quán)限；
使用 API Gateway 和 Lambda 將機器學(xué)習(xí)模型集成到網(wǎng)絡(luò)應(yīng)用中；
模型監(jiān)控
了解如何監(jiān)控模型隨時間推移的行為；
使用 SageMaker 的自動化超參數(shù)調(diào)節(jié)工具調(diào)節(jié) XGBoost 模型的超參數(shù)；
在 SageMaker 上運行 A/B 測試，比較調(diào)節(jié)過的模型與未調(diào)節(jié)的模型；
更新模型
在監(jiān)控模型的過程中發(fā)現(xiàn)數(shù)據(jù)有變化后，相應(yīng)地更新模型；
了解如何處理在情感分析過程中添加到模型中的新短語；
- 實戰(zhàn)項目 5：部署情感分析模型
第六章：機器學(xué)習(xí)案例研究
利用 SageMaker 進行總體分割
使用 AWS SageMaker 了解可用的算法廣度；
了解如何通過 SageMaker 使用非監(jiān)督式算法分析數(shù)據(jù)；
使用 SageMaker 部署非監(jiān)督式模型；
通過提取模型屬性了解數(shù)據(jù)；
檢測信用卡欺詐行為
構(gòu)建并改善能識別付款欺詐行為的線性模型；
處理訓(xùn)練數(shù)據(jù)類別不平衡的問題；
在 SageMaker 中根據(jù)特定指標調(diào)節(jié)模型并改善模型性能；
部署自定義模型
使用 SageMaker 部署自定義 PyTorch 模型；
編寫自定義訓(xùn)練腳本，并訓(xùn)練你設(shè)計的模型；
時間序列預(yù)測
處理時間序列數(shù)據(jù)并調(diào)整數(shù)據(jù)格式，使數(shù)據(jù)適合訓(xùn)練機器學(xué)習(xí)模型；
使用 SageMaker 的DeepAR 算法進行時間序列預(yù)測；
部署模型并使用模型預(yù)測未來的數(shù)據(jù)點；
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)