1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
        3、培训合格学员可享受免费推荐就业机会。

机器学习简介

回归算法理论与实战：

1.一元线性回归

2.代价函数

3.梯度下降法

4.使用梯度下降法实现一元线性回归

5.标准方程法

6.使用sklearn实现一元线性回归

7.多元线性回归

8.使用sklearn实现多元线性回归

9.特征缩放，交叉验证法

10.过拟合正则化

11.岭回归

12.sklearn实现岭回归

13.LASSO回归

14.sklearn实现LASSO回归

决策树算法理论与实战

15.决策树-信息熵,ID3,C4.5算法介绍

16.sklearn实现决策树

17.决策树-CART算法

18.决策树应用

集成学习算法理论与实战

19.Bagging介绍与使用

20.随机森林介绍与使用

21.Adaboost介绍与使用

22.Stacking和Voting介绍与使用

泰坦尼克号获救人员预测项目

KNN算法和决策树算法理论与实战

1.KNN算法介绍

2.python实现knn算法

3.sklearn实现knn算法完成iris数据集分类

聚类算法理论与实战

4.k-means算法原理

5.k-means算法实现

6.DBSCAN算法原理

7.DBSCAN算法实现
神经网络算法

8.神经网络基本原理

9.单层感知器程序

10.线性神经网络

11.激活函数，损失函数和梯度下降法

12.线性神经网络异或问题

13.BP神经网络介绍

14.BP算法推导

15.BP神经网络解决异或问题

16.BP算法完成手写数字识别

16.sklearn-BP神经网络解决手写数字识别

17.GOOGLE神经网络平台

特征工程贷款拖欠预测项目

用户流失预测项目

Tensorflow（一）

1.深度学习框架介绍

2.Tensorflow安装

3.Tensorlfow基础知识：图，变量，fetch，feed

4.Tensorflow线性回归

5.Tensorflow非线性回归

6.Mnist数据集合Softmax讲解

7.使用BP神经网络搭建手写数字识别

8.交叉熵(cross-entropy)讲解和使用

Tensorflow（二）

9.过拟合,正则化,Dropout

10.各种优化器Optimizer

11.改进手写数字识别网络

12.卷积神经网络CNN的介绍

13.使用CNN解决手写数字识别

14.长短时记忆网络LSTM介绍

15.LSTM的使用

16.模型保存与载入

图像识别项目

1.介绍Google图像识别模型Inception-v3

2.使用Inception-v3做图像识别

图像识别项目

3.训练自己的图像识别模型

验证码识别项目

4.多任务学习介绍

5.生存验证码图片

6.构建验证码识别模型

文本分类项目

7.文本分类任务介绍

8.word2vec介绍

9.使用CNN完成文本分类

10.使用LSTM完成文本分类

生成式对抗网络GANs

11.GANs介绍

12.使用tensorflow完成GANs