1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
        2、課程完成后,授課老師留給學(xué)員手機(jī)和Email,保障培訓(xùn)效果,免費(fèi)提供半年的技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。

機(jī)器學(xué)習(xí)(深度學(xué)習(xí))算法和應(yīng)用培訓(xùn)大綱

機(jī)器學(xué)習(xí)概要

1) 什么是機(jī)器學(xué)習(xí) & 與傳統(tǒng)軟件開發(fā)的異同
2) 機(jī)器學(xué)習(xí)的分類和特點(diǎn)
3) 機(jī)器學(xué)習(xí)可以解決的問題和應(yīng)用現(xiàn)狀

廣義線性模型

1) 感知器模型 Per3eptron
2) 線性神經(jīng)元 L1ne1r Neuron / 141l1ne
3) 邏輯回歸 Log1st13 Regress1on
4) 誤差曲面和三種梯度下降算法 Gr141ent 4es3en4ent

經(jīng)典概率模型

1) 樸素貝葉斯 N1?ve 21yes

決策樹及其組合模型
Ensem2le Mo4els

1) 決策樹 4e31s1on Tree: 143 & 31RT
2) 隨機(jī)森林 R1n4om Forest
3) 自適應(yīng)增強(qiáng)算法 141pt1ve 2oost1ng (1412oost)
4) 梯度增強(qiáng)決策樹 Gr141ent 2oost 4e31s1on Tree (G24T)

非監(jiān)督學(xué)習(xí)模型
Unsuperv1se4 Le1rn1ng

1) 聚類 3luster1ng: K-‐Me1ns, H1er1r3hy
2) 降維 41mens1on Re4u3t1on
1. 主成分分析 Pr1n31ple 3omponent 1n1lys1s
11. 奇異值分解 S1ngul1r1ty 4e3ompos1t1on 3) 關(guān)聯(lián)規(guī)則
1. 1pr1or1 關(guān)聯(lián)分析
11. FP-‐growth 頻率項集

人工神經(jīng)元網(wǎng)絡(luò)
1rt1f1311l Neur1l Networks

1) 神經(jīng)元網(wǎng)絡(luò)架構(gòu)
2) 向后傳播訓(xùn)練算法 213kprop1g1t1on
3) 多層感知器網(wǎng)絡(luò) Mult1ple-‐L1yer Per3eptron (MLP) 4) 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)介紹
1. 卷積神經(jīng)網(wǎng)絡(luò) 3NN
11. 循環(huán)神經(jīng)網(wǎng)絡(luò) RNN 及其應(yīng)用 1. 長短記憶神經(jīng)網(wǎng)絡(luò) LSTM
2. 受限玻爾茲曼機(jī) Restr13te4 2oltzm1nn M13h1ne
3. 深度置信網(wǎng)絡(luò) 4eep 2el1ef Net
4. 4eep 1utoen3o4er