2019-01-14

关于“机器学习与深度学习案例实践班”通知

各有关单位：

    为进一步推动高等院校机器学习与深度学习教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将机器学习与深度学习的最新实训内容带入课堂，特举办“机器学习与深度学习案例实践班”，具体由北京中科软培科技有限公司举办，本次培训由权威师资主讲，培训主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。

一、培训目的：

  通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。

二、主讲专家：

邹博，中国科学院副研究员，天津大学软件学院创业导师，成立中国科学院邹博人工智能研究中心（杭州站），在翔创、天识、睿客邦等公司担任技术顾问，研究方向机器学习、深度学习、计算几何，应用于大型气象设备图像与文本挖掘、股票交易与预测、量子化学医药路径寻优、传统农资产品价格预测和决策等领域。

三、培训内容：

第一节

Python与TensorFlow

解释器Python2.7/3.6与IDE：Anaconda/Pycharm

列表/元组/字典/类/文件

numpy/scipy/matplotlib/panda的介绍和典型使用

scikit-learn的介绍和典型使用

TensorFlow典型应用

典型图像处理

多种数学曲线

多项式拟合

快速傅里叶变换FFT

奇异值分解SVD

Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践：

卷积与(指数)移动平均线

股票数据分析

缺失数据的处理

环境数据异常检测和分析

第二节

回归分析

线性回归

Logistic/Softmax回归

广义线性回归

L1/L2正则化

Ridge与LASSO

Elastic Net

梯度下降算法：BGD与SGD

特征选择与过拟合

Softmax回归的概念源头

最大熵模型

K-L散度

代码和案例实践：

1.股票数据的特征提取和应用

2.泰坦尼克号乘客缺失数据处理和存活率预测

3.环境检测数据异常分析和预测

4.模糊数据查询和数据校正方法

5.PCA与鸢尾花数据分类

6.二手车数据特征选择与算法模型比较

7.广告投入与销售额回归分析

8.鸢尾花数据集的分类

9.TensorFlow实现线性回归

10.TensorFlow实现Logistic回归

第三节

决策树和随机森林

熵、联合熵、条件熵、KL散度、互信息

最大似然估计与最大熵模型

ID3、C4.5、CART详解

决策树的正则化

预剪枝和后剪枝

Bagging

随机森林

不平衡数据集的处理

利用随机森林做特征选择

使用随机森林计算样本相似度

异常值检测

代码和案例实践：

1.随机森林与特征选择

2.决策树应用于回归

3.多标记的决策树回归

4.决策树和随机森林的可视化

5.葡萄酒数据集的决策树/随机森林分类

6.泰坦尼克乘客存活率估计

第四节

SVM

线性可分支持向量机

软间隔

损失函数的理解

核函数的原理和选择

SMO算法

支持向量回归SVR

多分类SVM 代码和案例实践：

1.原始数据和特征提取

2.调用开源库函数完成SVM

4.葡萄酒数据分类

5.数字图像的手写体识别

5.MNIST手写体识别

6.SVR用于时间序列曲线预测

7.SVM、Logistic回归、随机森林三者的横向比较

第五节

卷积神经网络CNN 神经网络结构，滤波器，卷积

池化，激活函数，反向传播

目标分类与识别、目标检测与追踪

AlexNet、VGGNet、GoogleLeNet

Inception-V3/V4

ResNet、DenseNet 代码和案例实践：

数字图片分类

卷积核与特征提取

以图搜图

人证合一

卷积神经网络调参经验分享

第六节

图像视频的定位与识别 视频关键帧处理

物体检测与定位

RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN

YOLO

FaceNet 代码和案例实践：

迁移学习

人脸检测

OCR字体定位和识别

睿客识云

气象识别

第七节

循环神经网络RNN

RNN基本原理

LSTM、GRU

Attention

CNN+LSTM模型

Bi-LSTM双向循环神经网络结构

编码器与解码器结构

特征提取：word2vec

Seq2seq模型

代码和案例实践：

看图说话

视频理解

藏头诗生成

问答对话系统

OCR

循环神经网络调参经验分享

第八节

自然语言处理 语言模型Bi-Gram/Tri-Gram/N-Gram

分词

词性标注

依存句法分析

语义关系抽取

词向量

文本分类

机器翻译

文本摘要

阅读理解

问答系统

情感分析 代码和案例实践：

输入法设计

HMM分词

文本摘要的生成

智能对话系统和SeqSeq模型

阅读理解的实现与Attention

第九节

生成对抗网络GAN 生成与判别

生成模型：贝叶斯、HMM到深度生成模型

GAN对抗生成神经网络

DCGAN

Conditional GAN

InfoGan

Wasserstein GAN 代码和案例实践：

图片生成

看图说话

对抗生成神经网络调参经验分享

第十节

强化学习RL

为何使用增强学习

马尔科夫决策过程

贝尔曼方程、最优策略

策略迭代、值迭代

Q Learning

SarsaLamda

DQN

A3C

ELF 代码和案例实践：

OpenAI

飞翔的小鸟游戏

基于增强学习的游戏学习

DQN的实现

四、时间地点：可咨询：13932327338  微信同号，扫码关注公众号，或加微信好友，邀请进群

    2019年1月18-22日  17日报到 （北京华清温泉宾馆）

五、培训对象：

    各高等院校数据科学相关专业、计算机科学技术、网络工程、软件工程、信息工程、信息管理、、统计学专业、应用数学专业、经济管理专业、市场营销专业等科研、教学带头人，骨干教师、博士生、硕士生；各高校教务处、科研处、信息中心、实验中心领导。对机器学习技术有兴趣和需求，愿意进行深入钻研的从业人员。                                                                                                         

六、报名方式及费用：

报名人员可直接回复报名回执表至邮箱。或与会务组电话联系咨询。¥RMB:4900元/人（含报名费、证书费、培训费、教材费、资料费）食宿统一安排费用自理。

七、颁发证书：

工信部和人社部相关部门颁发-证书。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。