 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
每期人数限3到5人。 |
| 上课时间和地点 |
开课地址：【上海】同济大学(沪西)/新城金郡商务楼(11号线白银路站)【深圳分部】：电影大厦(地铁一号线大剧院站) 【武汉分部】：佳源大厦【成都分部】：领馆区1号【沈阳分部】：沈阳理工大学【郑州分部】：锦华大厦【石家庄分部】：瑞景大厦【北京分部】：北京中山学院 【南京分部】：金港大厦
最新开班 (连续班 、周末班、晚班）：2020年3月16日 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
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。 |
课程大纲 |
| |
第1章对机器学习的正确认识
1-1人工智能、机器学习和深度学习的关系
1-2机器学习需要哪些工具
1-3Jupyter Notebook简介与安装
1-4使用Jupyter Notebook
1-5远程访问Jupyter Notebook
第2章项目实战：预测人们的幸福指数
2-1项目简介
2-2训练线性模型，并预测幸福指数
2-3机器学习的主要挑战
第3章项目实战：预测房价
3-1准备实验数据
3-2查看和可视化数据集
3-3准备训练集和测试集
3-4用更完美的方式产生训练集和测
3-5用sklearn API拆分训练集和测
3-6分层抽样
3-7通过可视化地理数据寻找模式
3-8用两种方法检测属性之间的相关度
3-9为房屋数据集添加新属性，并计算与房屋均价的相关度
3-10清理数据：用转换器填补缺失值
3-11将文本类型属性转换为数值
3-12自定义转换器
3-13数据转换管道（pipeline）
3-14选择、训练模型以及预测房价
3-15评估模型的性能
3-16用交叉验证评估和选择模型
第4章项目实战：识别手写数字
4-1项目概述
4-2使用sklearn内置的图像数据
4-3使用fetch_mldata函数获取MNIST图像数据集
4-4直接读取mat格式的MNIST图像数据集
4-5将多张图像文件合成一个图像
4-6对数字图像进行二元分类
4-7使用K-fold交叉验证法评估分类器模型的性能
4-8使用混淆矩阵评估分类器模型的性能
4-9用精度、召回率和F1分数评估分类模型
4-10调整阈值得到不同的精度和召回率
4-11ROC曲线与模型评估
4-12比较随机森林分类器和梯度下降分类器的ROC曲线
4-13多类别分类器
4-14通过对特征值进行转换提高分类效果
4-15通过分析错误类型改进分类模型
4-16多标签分类
4-17去除图像噪声
第5章k-邻近算法
5-1实现原理
5-2用k-邻近算法进行分类
5-3用k-邻近算法进行预测
5-4绘制拟合曲线
第6章项目实战：用k-邻近算法预测糖尿病
6-1准备训练数据和测试数据
6-2比较和选择分类模型
6-3训练模型与预测糖尿病
6-4绘制学习曲线
6-5选择相关特征与数据可视化
第7章线性回归算法
7-1线性回归都讲了什么
7-2线性回归模型概述
7-3使用标准方程进行线性回归拟合
7-4梯度下降算法的原理
7-5批量梯度下降
7-6比较不同学习率的迭代效果
7-7随机梯度下降
7-8随机梯度下降
7-9比较4种线性回归算法
7-10用线性模型拟合非线性数据
第8章支持向量机（SVM）
8-1线性SVM分类
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业