          機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法及應(yīng)用培訓(xùn)

第一節(jié)：Python機(jī)器學(xué)習(xí)與TensorFlow

numpy/scipy/matplotlib/panda的介紹和典型使用
scikit-learn的介紹和典型使用
多元線性回歸
Logistics回歸與Softmax回歸
決策樹(shù)和隨機(jī)森林
SVM
多種聚類的原理和調(diào)參
TensorFlow典型應(yīng)用
典型圖像處理
多項(xiàng)式擬合
快速傅里葉變換FFT
奇異值分解SVD
Soble/Prewitt/Laplacian算子與卷積網(wǎng)絡(luò)

代碼和案例實(shí)踐：

股票交易數(shù)據(jù)的 (指數(shù))移動(dòng)平均線與預(yù)測(cè)
無(wú)人機(jī)圖像的風(fēng)機(jī)葉片缺陷檢測(cè)和識(shí)別系統(tǒng)
環(huán)保檢測(cè)數(shù)據(jù)異常檢測(cè)和分析
股票數(shù)據(jù)分析
社會(huì)學(xué)人群收入預(yù)測(cè)
葡萄酒數(shù)據(jù)集的決策樹(shù)/隨機(jī)森林分類
泰坦尼克乘客存活率估計(jì)

第二節(jié)：卷積神經(jīng)網(wǎng)絡(luò)CNN

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，濾波器，卷積
池化，激活函數(shù)，反向傳播
目標(biāo)分類與識(shí)別、目標(biāo)檢測(cè)與追蹤
經(jīng)典AlexNet、VGG、GoogleLeNet
Inception
ResNet、DenseNet
視頻關(guān)鍵幀處理
物體檢測(cè)與定位
RCNN，F(xiàn)ast-RCNN，F(xiàn)aster-RCNN，MaskRCNN
YOLO
FaceNet

代碼和案例實(shí)踐：

搭建自己的卷積神經(jīng)網(wǎng)絡(luò)
基于CNN的圖像識(shí)別
卷積神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享

代碼和案例實(shí)踐：

遷移學(xué)習(xí)（Transfer Learning）
人臉檢測(cè)
OCR字體定位和識(shí)別
睿客識(shí)云
氣象識(shí)別

第三節(jié)：循環(huán)神經(jīng)網(wǎng)絡(luò)RNN

RNN基本原理
LSTM、GRU
Attention
編碼器與解碼器結(jié)構(gòu)
言特征提取：word2vec
Seq2seq模型

代碼和案例實(shí)踐：

看圖說(shuō)話
視頻理解
藏頭詩(shī)生成
問(wèn)答對(duì)話系統(tǒng)
循環(huán)神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享

第四節(jié)：生成對(duì)抗網(wǎng)絡(luò)GAN與增強(qiáng)學(xué)習(xí)RL

生成模型：貝葉斯、HMM到深度生成模型
GAN對(duì)抗生成神經(jīng)網(wǎng)絡(luò)
DCGAN
Conditional GAN
InfoGan
Wasserstein GAN
馬爾科夫決策過(guò)程
貝爾曼方程、優(yōu)策略
策略迭代、值迭代
Q Learning
SarsaLamda
DQN
A3C

代碼和案例實(shí)踐：

圖片生成
看圖說(shuō)話
對(duì)抗生成神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享
飛翔的小鳥游戲
基于增強(qiáng)學(xué)習(xí)的游戲?qū)W習(xí)
DQN的實(shí)現(xiàn)