课程定位

面向具机器学习基础的技术人员，以完整案例深化机器学习与深度学习实战。

学习收获

• 1、深层次掌握人工智能理论，寻求人工智能研发的突破口，探知核心的秘密。
• 2、以实践为导向，萃取案例精化，加深理论知识，提高研发能力。
• 3、把握人工智能的新应用，理解人工智能领域发展趋势。

课程特色

• 参训者应具备机器学习与深度学习的基本知识。

课程模块

第一专题 机器学习项目进阶加深：实现与改进

• 1，支持向量机实现车牌识别：案例实现与分析改进
• 车牌数据预处理以及要注意的问题
• 特征提取及特征选择
• 单特征识别模型搭建
• 特征融合实现、改进及注意的问题
• 实现车牌识别全流程自动化的关键改进

2，决策树实现银行客户贷款风险预测：案例实现与分析改进

• 决策树的模型搭建
• 如何选择决策树的分裂属性以及深层次思考
• 如何根据测试结果进行决策树的优化
• 决策树中的剪枝实现
• 随机森林的实现及注意事项

3，讨论互动：学员提出问题并进行相互讨论

• 4，案例总结：萃取案例中的经验并进行推广应用

第二专题 深度学习项目进阶加深：实现与改进

• 1，卷积神经网络实现人脸识别：案例实现与分析改进
• 网络搭建
• 如何根据结果进行网络结构调整（逐步讲解与分析）
• 如何根据结果进行参数调整（逐步讲解与分析）
• 最终的参数如何确定（不在是混乱尝试，而是深层次理解参数的含义）

2，卷积神经网络实现手写体识别：案例实现与分析改进

• 网络搭建（注意与人脸识别案例的对比）
• 如何根据结果进行网络结构调整（注意与人脸识别案例的对比）
• 如何根据结果进行参数调整（注意与人脸识别案例的对比）
• 最终的参数如何确定（注意与人脸识别案例的对比）

3，循环神经网络实现客户评价分类：案例实现与分析改进

• 网络搭建
• 如何根据结果进行网络结构调整
• 如何根据结果进行参数调整
• 最终的参数如何确定

4，讨论互动：学员提出问题并进行相互讨论

• 5，案例总结：萃取案例中的经验并进行推广应用

适合人群

架构师、分析师、项目经理、高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师以及未来可能从事人工智能研发的技术人员

师资信息

司老师
清华大学博士，人工智能方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在机器学习和模式识别领域顶级期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是人工智能、深度学习、机器学习和图像处理和模式识别领域的实战派专家。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。