机器学习与深度学习算法及应用培训

第一节：Python机器学习与TensorFlow

numpy/scipy/matplotlib/panda的介绍和典型使用
scikit-learn的介绍和典型使用
多元线性回归
Logistics回归与Softmax回归
决策树和随机森林
SVM
多种聚类的原理和调参
TensorFlow典型应用
典型图像处理
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：

股票交易数据的 (指数)移动平均线与预测
无人机图像的风机叶片缺陷检测和识别系统
环保检测数据异常检测和分析
股票数据分析
社会学人群收入预测
葡萄酒数据集的决策树/随机森林分类
泰坦尼克乘客存活率估计

第二节：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
经典AlexNet、VGG、GoogleLeNet
Inception
ResNet、DenseNet
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：

搭建自己的卷积神经网络
基于CNN的图像识别
卷积神经网络调参经验分享

代码和案例实践：

迁移学习（Transfer Learning）
人脸检测
OCR字体定位和识别
睿客识云
气象识别

第三节：循环神经网络RNN

RNN基本原理
LSTM、GRU
Attention
编码器与解码器结构
言特征提取：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
循环神经网络调参经验分享

第四节：生成对抗网络GAN与增强学习RL

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
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

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
飞翔的小鸟游戏
基于增强学习的游戏学习
DQN的实现