附件一课程信息_第1页
附件一课程信息_第2页
附件一课程信息_第3页
附件一课程信息_第4页
附件一课程信息_第5页
已阅读5页,还剩2页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

附件一:课程信息日期主题内容7月12日9:00-12:00人工智能初览Python技术人工智能基本概念人工智能的核心技术人工智能的应用领域Python和人工智能的关系Python的开发环境jupyternotebookPython的标识符,关键字,变量Python的输入、输出和格式化Python的数据类型列表元组字典Python的运算符和控制语句Google的python程序规范7月12日14:00-17:00Numpy科学计算Numpy原理Ndarray数组Numpy的数据类型Numpy的索引、切片、数轴转换Numpy的基本操作Numpy的通用函数Numpy的文件读取7月13日9:00-12:00Pandas科学计算库pandas数据分析库读写数据查看数据选择数据索引和切片清洗数据删除行/列,替换,类型转换,修改列名,修改索引名apply函数排序按值/索引数据整理分组透视表交叉表统计7月13日14:00-17:00Matplotlib可视化库Matplotlib的原理创建画布创建子图设置刻度设置范围设置图例保存图形和显示图形全局设置和中文乱码设置网格设置文本,箭头和注解散点图/折线图/柱状图/直方图/饼图/箱线图/小提琴图/定制化风格/3D图/等高线图Pandas的图表折线图/柱状图/直方图/箱线图/密度图/面积图/散点图/六角形图/饼图Searborn7月14日9:00-12:00机器学习基础数据预处理和特征工程机器学习要解决的问题有监督无监督问题准确率和召回率和F1指标常用的数据可视化数据预处理特征提取数据标准化、归一化7月14日14:00-17:00机器学习:线性回归一元线性回归代价函数梯度下降法特征缩放,交叉验证法过拟合,正则化岭回归、LASSO回归和弹性网代码1:一元线性回归实现代码2:多元线性回归实现代码3:岭回归实现代码4:LASSO回归实现代码5:弹性网实现7月15日9:00-12:00决策树机器学习:随机森林决策树原理熵、互信息等概念ID3算法C4.5算法CART算法预剪枝和后剪枝随机森林RF介绍与使用代码1:C4.5算法代码2:实现葡萄酒数据集的决策树代码3:泰坦尼克号存活率估计7月15日14:00-17:00Xgboost回归树原理梯度提升树原理Xgboost原理Xgboost的推导过程Xgboost调参实操1:回归树预测房价实操2:Xgboost的参数调优7月16日9:00-12:00机器学习:支持向量机SVM简介SVM算法推导SVM核函数SMO求解支持向量机代码:人脸识别7月16日14:00-17:00神经网络神经网络概述神经网络发展史单层感知器单层感知器(代码实践1)线性神经网络线性神经网络(代码实践2)线性神经网络(代码实践3)BP反向传播神经网络介绍BP神经网络(代码实践4:手写数字识别)BP神经网络(代码实践5:葡萄酒)7月17日9:00-12:00深度学习Tensorflow深度学习简介深度学习成功应用深度学习与神经网络的对比深度学习的训练过程深度学习的应用Tensorflow框架介绍TensorFlow和其他深度学习框架的对比Tensorflow特性Tensorflow下载及安装Tensorflow架构Tensorflow基本使用TensorFlow实现多层感知机TensorFlow实现卷积神经网络7月17日14:00-17:00深度学习CNN卷积神经网络RNN循环神经网络LSTMCNN卷积神经网络CNN模型的推导与实现CNN应用:文本分类CNN常见问题总结RNN循环神经网络RNN模型的推导与实现RNN应用LSTM模型的推导与实现7月18日9:00-12:00迁移学习生成对抗网络强化学习生成对抗网络GANSRGANCycleGan迁移学习强化学习7月18日14:00-17:00深度学习案例分析情感分析目标检测附二:报名回执表2021全国高校人工智能骨干师资研修班报名申请表单位名称部门/院系通讯地址邮编发票抬头发票内容纳税号电子发票接收邮箱联系人电话邮箱姓名性别学历毕业院校职务身份证号码手机号电子邮箱费用支付方式1、电汇到指定账号。2、扫码支付(报名后联系工作人员索要支付码)。3、付款时请注明“全国高校人工智能骨干师资研修班+单位或姓名”字样,方便查账备案。账户信息账户名:中国人工智能学会开户行:中国工商银行新街口支

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论