八月份人工智能（AI）与Python专项特训班

时间

大章节

小章节

第一天

一、python基础学习

1.print使用    2.运算符和变量

3.循环         4.列表元组字典

5.if条件       6.函数

7.模块          8.类的使用

9.input用法    10.文件读写

11.异常处理

二、.科学计算包numpy使用学习

1.numpy的属性   

2.创建array

3.numpy的运算   

4.随机数生成以及矩阵的运算

5.numpy的索引   

6.array合并

7.array分割

三 、绘图工具包matplotlib学习

1. 基础用法       

2.figure图像

3.设置坐标轴     

4.legend图例

5.scatter散点图

四、人工智能与机器学习基础

1.人工智能概述    2.机器学习概述

3.机器学习算法应用分析

五、回归算法

1.一元线性回归     

2.代价函数   

3.梯度下降法        

4.sklearn一元线性回归应用

5.多元线性回归      

6.sklearn多元线性回归应用

案例：葡萄酒质量和时间的关系

六、KNN分类算法

1.KNN分类算法介绍   

2.KNN分类算法应用   

3.KNN实现

案例：鸢尾花分类

七、决策树算法

1.决策树算法介绍     

2.熵的定义

3.决策树算法与应用实现

案例：用户购买行为预测

八、集成算法与随机森林

1.Bagging算法介绍   

2.随机森林建模方法

3.Adaboost算法介绍    

4.Stacking算法介绍

5.Voting算法介绍

九、K-means聚类算法

1.K-means算法介绍      

2.K-means算法应用

3.K-means算法实际应用案例

案例：NBA球队实力聚类分析

第二天

十、支持向量机

1.什么时最优分类面   

2.SVM算法本质是什么

3.支持向量机在线性不可分时怎么处理

案例：SVM完成人脸识别应用

十一、泰坦尼克号获救预测案例

1.缺失值填 2.特征筛选

3.案例实战

十二、深度学习基础-神经网络介绍

1.人工神经网络发展史   

2.单层感知器

3.激活函数，损失函数和梯度下降法

4.BP算法介绍

案例：BP算法解决手写数字识别问题

十三、Tensorflow基础应用

1.Tensorflow安装

2.Tensorlfow基础知识：图，变量，fetch，feed

3.Tensorflow线性回归

4.Tensorflow非线性回归

5.Mnist数据集合Softmax讲解

6.使用BP神经网络搭建手写数字识别

7.交叉熵(cross-entropy)讲解和使用

8.过拟合,正则化,Dropout

9.各种优化器Optimizer

第三天

十四、卷积神经网络CNN应用

1.CNN卷积神经网络

2.卷积层、池化层（均值池化、最大池化）

3.CNN手写数字案例

十五、长短时记忆网络LSTM应用

1.RNN循环神经网络

2.长短时记忆网络LSTM

3.LSTM应用案例

十六、Google图像识别模型VGG16项目实战

1.VGG16模型讲解

2.数据增加

3.使用迁移学习完成图像分类

十七、自然语言处理项目实战

1.自然语言处理项目介绍

2.word2vec介绍

3.用CNN训练一个新的文本分类模型

4.用LSTM训练一个新的文本分类模型

十八、目标检测项目实战

1.目标检测项目简介

2.R-CNN模型详解

3.SPPNET模型详解

4.Fast-RCNN模型详解

5.Faster-RCNN模型详解

6.Tensorflow实现Faster-RCNN目标检测

十九、辅助课程

1：详针对性解决学员疑难问题进行答疑讨论

2：搭建长期学习平台及技术指导（建立微群交流）