400-888-5228

課程概述

本六天全面課程集中在機器學習、數(shù)據(jù)挖掘及視覺處理三大核心技能領域,旨在培訓學員掌握現(xiàn)代人工智能技術的基礎和應用。由機器學習的基礎理論出發(fā),逐漸涉及數(shù)據(jù)預處理、特征工程、模型評估與優(yōu)化,以及實踐操作等多個重要環(huán)節(jié),為學員提供一套完整的AI技能培訓。

課程對象

  • 對AI技術感興趣的初學者
  • 計算機科學、數(shù)據(jù)科學及相關專業(yè)的在校學生
  • 想要轉(zhuǎn)行AI領域的IT工程師和數(shù)據(jù)分析師

課程目標

  1. 掌握機器學習基礎理論及常用算法
  2. 了解并能應用數(shù)據(jù)挖掘技巧進行數(shù)據(jù)預處理
  3. 學會使用OpenCV進行基礎的圖像處理和人臉識別
  4. 能基于真實案例進行模型的構(gòu)建、優(yōu)化和評估

課程收益

  • 獲取系統(tǒng)性AI知識體系和實踐經(jīng)驗
  • 掌握工業(yè)界常用的AI工具和庫
  • 有能力獨立完成數(shù)據(jù)分析和模型構(gòu)建任務
  • 增強簡歷亮點,提升職場競爭力

課程時長6天

課程大綱

章節(jié)內(nèi)容
第一天 機器學習概述和特征工程機器學習概述
理解分類和回歸
機器學習流程
sklearn模塊簡介
sklearn中數(shù)據(jù)集解析
理解數(shù)據(jù)集劃分
評價指標分析
回歸模型的評價指標
理解混淆矩陣
混淆矩陣指標解析
ROC曲線繪制
理解過擬合和欠擬合
模型的保存和加載
特征工程概述
one-hot編碼
標簽數(shù)值化
特征預處理
特征標準化和歸一化
連續(xù)型變量離散化
特征降維之過濾式
樣本不均衡問題
特征工程案例實戰(zhàn)
第二天 主成分分析、Knn、決策樹和隨機森林主成分分析PCA概念
PCA原理
案例圖像降維
因子分析原理分析
sklearn實現(xiàn)因子分析
KNN算法原理
sklearn實現(xiàn)KNN
Knn案例解析
Knn參數(shù)調(diào)優(yōu)
KNN實現(xiàn)回歸模型
決策樹原理解析
決策樹構(gòu)造實例
sklearn實現(xiàn)決策樹
決策樹超參數(shù)調(diào)優(yōu)
交叉驗證和網(wǎng)格搜索
決策樹案例解析-紅酒分析
隨機森林算法解析
隨機森林參數(shù)調(diào)優(yōu)
案例-乳腺癌分類
隨機森林實現(xiàn)回歸
第三天 線性回歸和邏輯回歸? 一元線性回歸理論推導
估算系數(shù)和評估指標
sklearn實現(xiàn)線性回歸
多元線性回歸
參數(shù)調(diào)優(yōu)
多項式回歸
理解正則化
嶺回歸
? Lasso回歸
超參數(shù)調(diào)優(yōu)
關于梯度下降
sklearn實現(xiàn)梯度回歸
邏輯回歸原理解析
sklearn實現(xiàn)邏輯回歸
邏輯回歸參數(shù)調(diào)優(yōu)
第四天 支持向量機、聚類算法核樸素貝葉斯? 線性SVM支持向量機原理推導
SVM算法實現(xiàn)
非線性SVM和核函數(shù)
超參數(shù)調(diào)優(yōu)
多項式核函數(shù)
K-MEANS算法解析
K-MEANS算法實現(xiàn)
? 聚類算法實現(xiàn)降維
樸素貝葉斯原理
多項式樸素貝葉斯
伯努利樸素貝葉斯
高斯樸素貝葉斯
案例解析:文本分類
案例解析:垃圾郵件分類
第五天 集成分析核文本分析? 文本特征提取
jieba中文分詞
tf-idf逆文檔頻率
文本清洗
案例實戰(zhàn):酒店推薦
AdaBoost算法解析
sklearn中AdaBoost算法實現(xiàn)
? sklearn中AdaBoost算法調(diào)參
GBDT算法解析
sklearn中GBDT算法實現(xiàn)
XGBoost算法解析
sklearn中XGBoost算法實現(xiàn)
sklearn中XGBoost算法調(diào)參
第六天 OpenCV視覺分析? OpenCV概述
基本操作和色彩空間
繪制基本圖形
圖像基本操作
視頻捕獲
圖像仿射變化
給圖像打馬賽克
? 圖像腐蝕和膨脹
開運算、閉運算和濾波
canny邊緣檢測
圖像輪廓
模板匹配
人臉識別和替換
攝像頭人臉捕獲
案例實戰(zhàn):車牌捕獲和識別
培訓咨詢

發(fā)表回復

您的電子郵箱地址不會被公開。 必填項已用*標注

同類課程推薦同類課程推薦
IT技術培訓課程分類