課程大綱: Python人工智能與機器學習開發(fā)實戰(zhàn)培訓
人工智能技術體系
1、人工智能的基本知識體系
2、人工智能的發(fā)展與主要技術突破
3、人工智能與機器學習的關系
4、機器學習的主要概念:訓練方法,特征空間,緊致性和可分性,泛化能力;分類與聚類,有監(jiān)督和無監(jiān)督,特征降維;線性分類器,貝葉斯分類器,隨機森林分類器,神經(jīng)網(wǎng)絡分類器。
機器學習技術
數(shù)據(jù)分析基本技能
1、數(shù)據(jù)預處理與數(shù)據(jù)格式轉換
2、多維數(shù)據(jù)的切片與篩選
3、特征提取與模型建立
4、機器學習模型性能評價
Python開發(fā)環(huán)境和主要數(shù)據(jù)分析模塊
1、Anaconda 安裝與使用
2、Pycharm 集成開發(fā)環(huán)境
3、Jupyter 開發(fā)環(huán)境搭建
4、Tensorflow + Keras 框架
5、Python語言與其他語言的跨語言調(diào)用
Numpy數(shù)據(jù)分析與應用案例
1、numpy數(shù)據(jù)分析與交通流量預測案例
1)時間序列模型
2)數(shù)據(jù)預處理與模型訓練
2、機場安檢托盤物品檢測案例
1)圖像數(shù)據(jù)的處理
2)物品定位方法
Pandas
和matplotlib工具包使用和案例分析
1、pandas數(shù)據(jù)處理技巧及應用案例
1)車流量數(shù)據(jù)的預處理方法
2)數(shù)據(jù)缺失值得填充方法
3)多維數(shù)據(jù)可視化方法
4)空間數(shù)據(jù)可視化方法
機器學習算法與案例分析
1、 神經(jīng)網(wǎng)絡模型以及其圖像和數(shù)據(jù)分析中的應用案例分析
2、機場安檢托盤物品檢測案例
1)圖像數(shù)據(jù)的處理
2)物品定位方法
3、出租車位置聚類算法案例
4、摩拜單車需求量預測案例
深度學習應用案例
1、機場安檢危險物品識別方法
1)數(shù)據(jù)的格式轉換
2)模型參數(shù)調(diào)整和優(yōu)化
3)應用程序部署方法
2、停車場自動收費系統(tǒng)
1)車牌識別
2)車型識別
3)應用程序生成與部署