|
第
一
节
|
Python与TensorFlow
|
解释器Python2.7/3.6与IDE：Anaconda/Pycharm
列表/元组/字典/类/文件
numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
TensorFlow典型应用
典型图像处理
多种数学曲线
多项式拟合
快速傅里叶变换FFT
奇异值分解SVD
Soble/Prewitt/Laplacian算子与卷积网络
|
代码和案例实践：
卷积与(指数)移动平均线
股票数据分析
缺失数据的处理
环境数据异常检测和分析
使用TensorFlow设计分类器
使用TensorFlow完成线性回归
|
|
第
二
节
|
回归和随机森林
|
线性回归
Logistic/Softmax回归
广义线性回归
L1/L2正则化
Ridge与LASSO
Elastic Net
梯度下降算法：BGD与SGD
ID3、C4.5、CART详解
决策树的正则化
预剪枝和后剪枝
Bagging
随机森林
不平衡数据集的处理
利用随机森林做特征选择
使用随机森林计算样本相似度
异常值检测
|
代码和案例实践：
1.泰坦尼克号乘客缺失数据处理和存活率预测
2.环境检测数据异常分析和预测
3.模糊数据查询和数据校正方法
4.PCA与鸢尾花数据分类
5.二手车数据特征选择与算法模型比较
6.广告投入与销售额回归分析
7.鸢尾花数据集的分类
8.决策树和随机森林的可视化
9.葡萄酒数据集的决策树/随机森林分类
|
|
第
三
节
|
卷积神经网络CNN
|
神经网络结构，滤波器，卷积
池化，激活函数，反向传播
目标分类与识别、目标检测与追踪
AlexNet、VGGNet、GoogleLeNet
Inception-V3/V4
ResNet、DenseNet
|
代码和案例实践：
数字图片分类
卷积核与特征提取
以图搜图
人证合一
卷积神经网络调参经验分享
|
|
第
四
节
|
图像视频的定位与识别
|
视频关键帧处理
物体检测与定位
RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN
YOLO
FaceNet
|
代码和案例实践：
迁移学习
人脸检测
OCR字体定位和识别
睿客识云
气象识别
|
|
第
五
节
|
循环神经网络RNN
|
RNN基本原理
LSTM、GRU
Attention
CNN+LSTM模型
Bi-LSTM双向循环神经网络结构
编码器与解码器结构
特征提取：word2vec
Seq2seq模型
|
代码和案例实践：
看图说话
视频理解
藏头诗生成
问答对话系统
OCR
循环神经网络调参经验分享
|
|
第
六
节
|
自然语言处理
|
语言模型Bi-Gram/Tri-Gram/N-Gram
分词
词性标注
依存句法分析
语义关系抽取
词向量
文本分类
机器翻译
文本摘要
阅读理解
问答系统
情感分析
|
代码和案例实践：
输入法设计
HMM分词
文本摘要的生成
智能对话系统和SeqSeq模型
阅读理解的实现与Attention
|
|
第
七
节
|
生成对抗网络GAN
|
生成与判别
生成模型：贝叶斯、HMM到深度生成模型
GAN对抗生成神经网络
DCGAN
Conditional GAN
InfoGan
Wasserstein GAN
|
代码和案例实践：
图片生成
看图说话
对抗生成神经网络调参经验分享
|
|
第
八
节
|
强化学习RL
|
为何使用增强学习
马尔科夫决策过程
贝尔曼方程、最优策略
策略迭代、值迭代
Q Learning
SarsaLamda
DQN
A3C
ELF
|
代码和案例实践：
OpenAI
飞翔的小鸟游戏
基于增强学习的游戏学习
DQN的实现
|
