
Python人工智能與機(jī)器學(xué)習(xí)開發(fā)實(shí)戰(zhàn)培訓(xùn)
人工智能技術(shù)體系
1、人工智能的基本知識體系
2、人工智能的發(fā)展與主要技術(shù)突破
3、人工智能與機(jī)器學(xué)習(xí)的關(guān)系
4、機(jī)器學(xué)習(xí)的主要概念:訓(xùn)練方法,特征空間,緊致性和可分性,泛化能力;分類與聚類,有監(jiān)督和無監(jiān)督,特征降維;線性分類器,貝葉斯分類器,隨機(jī)森林分類器,神經(jīng)網(wǎng)絡(luò)分類器。
機(jī)器學(xué)習(xí)技術(shù)
數(shù)據(jù)分析基本技能
1、數(shù)據(jù)預(yù)處理與數(shù)據(jù)格式轉(zhuǎn)換
2、多維數(shù)據(jù)的切片與篩選
3、特征提取與模型建立
4、機(jī)器學(xué)習(xí)模型性能評價
Python開發(fā)環(huán)境和主要數(shù)據(jù)分析模塊
1、Anaconda 安裝與使用
2、Pycharm 集成開發(fā)環(huán)境
3、Jupyter 開發(fā)環(huán)境搭建
4、Tensorflow + Keras 框架
5、Python語言與其他語言的跨語言調(diào)用
Numpy數(shù)據(jù)分析與應(yīng)用案例
1、numpy數(shù)據(jù)分析與交通流量預(yù)測案例
1)時間序列模型
2)數(shù)據(jù)預(yù)處理與模型訓(xùn)練
2、機(jī)場安檢托盤物品檢測案例
1)圖像數(shù)據(jù)的處理
2)物品定位方法
Pandas
和matplotlib工具包使用和案例分析
1、pandas數(shù)據(jù)處理技巧及應(yīng)用案例
1)車流量數(shù)據(jù)的預(yù)處理方法
2)數(shù)據(jù)缺失值得填充方法
3)多維數(shù)據(jù)可視化方法
4)空間數(shù)據(jù)可視化方法
機(jī)器學(xué)習(xí)算法與案例分析
1、 神經(jīng)網(wǎng)絡(luò)模型以及其圖像和數(shù)據(jù)分析中的應(yīng)用案例分析
2、機(jī)場安檢托盤物品檢測案例
1)圖像數(shù)據(jù)的處理
2)物品定位方法
3、出租車位置聚類算法案例
4、摩拜單車需求量預(yù)測案例
深度學(xué)習(xí)應(yīng)用案例
1、機(jī)場安檢危險(xiǎn)物品識別方法
1)數(shù)據(jù)的格式轉(zhuǎn)換
2)模型參數(shù)調(diào)整和優(yōu)化
3)應(yīng)用程序部署方法
2、停車場自動收費(fèi)系統(tǒng)
1)車牌識別
2)車型識別
3)應(yīng)用程序生成與部署