本课程为深度学习工程师认证的配套课程,由百度深度学习布道师讲解机器学习、深度学习飞桨框架语法与项目实战,助力学员迅速进入人工智能领域,深刻掌握深度学习领域基础知识。本套课程从算法原理起步,深入浅出的讲述算法推演过程,力求做到知其然更知其所以然,最终落实到代码实战完成经典的回归和分类任务。
1.数学基础
1.1数学基础简介
2.Python基础
2.1python简介与常用类库简介
3.机器学习
3.1机器学习概述
l 什么是机器学习
l 机器学习的基本概念
l 监督学习、非监督学习、强化学习
3.2.决策树
l 决策树的基本描述
l 决策树的特征选择1
l 决策树的特征选择2
l 决策树的构建
l 离散化、缺失值、剪枝和优缺点分析
3.3.朴素贝叶斯
l 先验概率-条件概率
l 全概率公式-后验概率
l 数学表示、算法流程及优缺点
3.4支持向量机
l 支持向量机
l SVM最优化问题的数学推导
l 拉格朗日乘数法
l 凸优化问题
l 拉格朗日对偶问题
l SVM最优化问题的计算
l 软间隔,核函数,SVM有优缺点分析
3.5 无监督学习
l 聚类算法K-Means
l 降维
4.深度学习
4.1深度学习概述
l 人工智能及其发展历程
l 机器学习与深度学习介绍
4.2深度神经网络
l 神经元
l 深度学习系统
l 全链接网络
l 深度学习三部曲概述
l 正向传播1-参数
l 正向传播2-激活函数
l 正向传播-示例
l 损失函数
l 反向传播
l 梯度下降
l 梯度下降的三种方法
l 深度前馈神经网络总结
4.3卷积神经网络
l 一维卷积运算
l 二维卷积运算
l 二维多通道卷积运算
l 常见的视觉任务
l 使用卷积神经网络的原因和效果
l 使用卷积操作提取特征
l 卷积核的分析与计算
l 池化操作
4.4循环神经网络
l 前导知识
l 循环神经网络按照时刻序列接受数据
l 循环神经网络的内部构造
l 经典循环神经网络_LSTM_GRU
4.5 深度生成模型
l 玻尔兹曼机、深度信念网络
l 有向生成网络、生成随机网络
5.深度学习平台实战
5.1飞桨平台介绍
l 深度学习框架的意义
l 飞桨平台介绍
l 飞桨语法入门
5.2项目实战之房价预测
l 房价预测
l 模型设计,训练配置
l 模型训练
l 模型保存,预测
5.3项目实战之手写数字识别
l 手写数字识别-导入库
l 模型设计,训练过程,测试过程
l 梯度下降策略
l softmax与交叉熵损失函数
6.行业应用案例
6.1深度学习的计算机视觉技术
6.2基于深度学习的自然语言处理技术
6.3基于深度学习的推荐系统技术
6.4基于深度学习的语音技术
Linux基金会开源软件大学 Copyright © 2019 linuxfoundation.cn, ICP license, no. 京ICP备17074266号-2