???????第一講 人工智能簡介

1.1?什么是人工智能

1.2?為什么要人工智能

1.3?人工智能的發(fā)展簡史

1.4?人工智能的現(xiàn)實(shí)案例舉例

第二講 最優(yōu)分類面和支持向量機(jī)

2.1?什么是最優(yōu)分類面

2.2?支持向量機(jī)的本質(zhì)是什么

2.3?支持向量機(jī)在線性不可分時怎么辦

2.4?支持向量機(jī)中核函數(shù)如何選擇

2.5?支持向量機(jī)在車牌識別中的應(yīng)用案例

第三講 決策樹

31?什么是非數(shù)值特征

3.2?為什么要引入決策樹

3.3?如何設(shè)計決策樹

3.4?如何構(gòu)造隨機(jī)森林

3.5?決策樹在醫(yī)療系統(tǒng)中的應(yīng)用案例

第四講 深度學(xué)習(xí)之始：人工神經(jīng)網(wǎng)絡(luò)

4.1?人工神經(jīng)網(wǎng)絡(luò)的設(shè)計動機(jī)是什么

4.2?單個神經(jīng)元的功能

4.3?人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化以及誤差逆?zhèn)鞑ィ?/span>BP）算法

4.4?人工神經(jīng)網(wǎng)絡(luò)中需要注意的問題

4.5?人工神經(jīng)網(wǎng)絡(luò)在表情識別、流量預(yù)測中的應(yīng)用案例

第五講 深度學(xué)習(xí)中的技巧和注意事項

5.1?深度學(xué)習(xí)中過學(xué)習(xí)問題的處理

5.2?如何選擇損失函數(shù)

5.3?如何并行化

5.4?如何解決深度學(xué)習(xí)中梯度消失問題

5.5?如何選擇激勵函數(shù)

5.6?權(quán)值衰減、Dropout以及新的網(wǎng)絡(luò)架構(gòu)

第六講 卷積神經(jīng)網(wǎng)絡(luò)

6.1?卷積以及卷積網(wǎng)絡(luò)的概念

6.2?為什么在使用卷積網(wǎng)絡(luò)

6.3?卷積網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計

6.4?卷積網(wǎng)絡(luò)在圍棋中的應(yīng)用

6.5?卷積神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用案例

第七講 循環(huán)神經(jīng)網(wǎng)絡(luò)

7.1?為什么要使用循環(huán)神經(jīng)網(wǎng)絡(luò)

7.2?1-of-N編碼

7.3?循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹

7.4?長短期記憶網(wǎng)絡(luò)

7.5?長短期記憶網(wǎng)絡(luò)在自然語言處理中的應(yīng)用案例

第八講 人工智能未來展望

8.1?監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.2?強(qiáng)制學(xué)習(xí)中的新應(yīng)用

8.3?非監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.4?DeepMind介紹

第九講 使用支持向量機(jī)進(jìn)行車牌識別

第十講 使用深度學(xué)習(xí)進(jìn)行手寫體識別、人臉識別以及自然語言處理

第十一講 機(jī)器學(xué)習(xí)項目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)

????1，支持向量機(jī)實(shí)現(xiàn)車牌識別：案例實(shí)現(xiàn)與分析改進(jìn)

?????????車牌數(shù)據(jù)預(yù)處理以及要注意的問題

?????????特征提取及特征選擇

?????????單特征識別模型搭建

?????????特征融合實(shí)現(xiàn)、改進(jìn)及注意的問題

?????????實(shí)現(xiàn)車牌識別全流程自動化的關(guān)鍵改進(jìn)

????2，決策樹實(shí)現(xiàn)銀行客戶貸款風(fēng)險預(yù)測：案例實(shí)現(xiàn)與分析改進(jìn)

?????????決策樹的模型搭建

?????????如何選擇決策樹的分裂屬性以及深層次思考

?????????如何根據(jù)測試結(jié)果進(jìn)行決策樹的優(yōu)化

?????????決策樹中的剪枝實(shí)現(xiàn)

?????????隨機(jī)森林的實(shí)現(xiàn)及注意事項

????3，討論互動：學(xué)員提出問題并進(jìn)行相互討論

????4，案例總結(jié)：萃取案例中的經(jīng)驗并進(jìn)行推廣應(yīng)用

第十二講 ?深度學(xué)習(xí)項目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)

????1，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉識別：案例實(shí)現(xiàn)與分析改進(jìn)

?????網(wǎng)絡(luò)搭建

?????????如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（逐步講解與分析）

?????????如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（逐步講解與分析）

?????????最終的參數(shù)如何確定（不在是混亂嘗試，而是深層次理解參數(shù)的含義）

????2，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)手寫體識別：案例實(shí)現(xiàn)與分析改進(jìn)

?????????網(wǎng)絡(luò)搭建（注意與人臉識別案例的對比）

?????????如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（注意與人臉識別案例的對比）

?????????如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（注意與人臉識別案例的對比）

?????????最終的參數(shù)如何確定（注意與人臉識別案例的對比）

????3，循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)客戶評價分類：案例實(shí)現(xiàn)與分析改進(jìn)

?????????網(wǎng)絡(luò)搭建

?????????如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整

?????????如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整

?????????最終的參數(shù)如何確定

????4，討論互動：學(xué)員提出問題并進(jìn)行相互討論

5，案例總結(jié)：萃取案例中的經(jīng)驗并進(jìn)行推廣應(yīng)用