2019-06-04

“人工智能系列--机器学习与 深度学习实战班”的通知 

人工智能核心技术为机器学习与深度学习，为促进高校教学工作的开展，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，我单位定于八月上旬在北京举办“人工智能原理与技术应用实战班”，现将有关事项通知如下：

一、参加对象

各高等院校大数据相关学科、计算机、软件、信息管理、统计、电子商务、金融、工商管理、数理统计专业等科研、教学带头人，骨干教师、博士生、硕士生，各行业机器学习与深度学习技术的爱好者。

二、时间地点：可咨询：13932327338  微信同

2019年8月2-7日 北 京 （8月1日报道）

三、课程目标与特点

目标：

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。

特点：

1、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。讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、深度学习、计算机视觉的技术框架，从根本上解决如何使用模型、优化模型的问题；每次课中，首先阐述算法理论和少量公式推导，然后使用真实数据做数据挖掘、机器学习、深度学习的数据分析、特征选择、调参和结果比较。

2、课程重视代码实践，使用金融、气象、农业、交通、安防等工业界实际数据（数据已脱敏）进行机器学习模型的落地应用,

3、重视机器学习和深度学习的原理与实操；重视算法模型的同时，更强调实际问题中应该如何模型选择、特征选择和调参。

4、全栈式的数据科学及大数据人才培养体系，额外提供400G、90课时的python高级编程、机器学习、数据挖掘、可视化、网络爬虫与文本挖掘最新教学视频、课件PPT及教学案例，授课讲师通过微信交流平台提供技术咨询，协助学员开展教学科研工作。

四、主讲专家：

邹博，原中国科学院副研究员，天识科技公司首席科学家，诺辉投资公司人工智能总监，中科航天创新技术研究院副院长，多家知名公司担任技术顾问，机器学习与深度学习在线教育领域知名讲师，主讲机器与深度学习、BAT面试算法等多项课程，至今已培训逾万名学员（含高校教师四千余名），受邀到多家高校开展机器学习与数据挖掘技术专题培训。

五、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

基于skimage/OpenCV的图像处理 kimage来源、简介与安装

将视频转换为图像序列

图像可视化与几何作图

HSV、RGB与图像颜色空间的转换

图像增强与(局部)直方图均衡化

给予边缘区域的图像分割

gamma矫正和对数矫正

亮度区域检测与前景提取

图像边缘检测/特征提取与图像算子 代码和案例实践：

不同算子下的图像卷积

图像边缘检测与提取

前景分割与图像融合

regional maxima检测与应用

第八节

图像与视频处理 Gabor/Laplace/Prewitt/Roberts

Scharr/Sobel/Niblack/Wiener

图像形态学：开/闭/凸包/膨胀/腐蚀

双边滤波器/小波降噪/wiener滤波

角点检：Harris，Shi-Tomasi

SIFT、SURF算法

视频分析：Meanshift 和 Camshift 算法 代码和案例实践：

HAAR/HOG/LBP等特征应用

视频前景背景分析与异物检测

图像形态学与海报生成的应用

光流跟踪与车辆跟踪

第九节

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

第十节

自然语言处理

语言模型Bi-Gram/Tri-Gram/N-Gram

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

A3C、ELF 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

第十一节

 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 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

第十二节

强化学习RL

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

第十三节 交流研讨与培训考核（8月7日）

六、报名费用：

4980元/人（含报名费、培训费、教材费、资料费）食宿统一安排费用自理。

七、颁发证书：

可以获得：工业和信息化部颁发的证书。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。注：请学员带2寸彩照1张（背面注明姓名）、身份证复印件一张。（考试及证书费用可选500元/人）