网络机器人吧社区

人工智能和机器学习

中科院计算所祝华老师 2019-01-10 16:27:28

2016年Google开发的一款人工智能程序AlphaGo以4:1战胜世界围棋职业九段选手李世石,展现了人工智能异常强大的学习能力,机器学习的应用能力会成为一个爆发性需求的知识技能,也会是未来科技的至高点。

机器学习系统具有意义深远且令人兴奋的能力,就某种意义而言,机器学习技术在我们的生活中已经无所不在。要想进入机器学习的领域,并且对其具有充分的认知,就必须能够理解和设计服务于某一项目需要的机器学习系统。

本课程首先介绍了人工智能和机器学习的背景和现状,机器学习基本理论和主流的机器学习框架,介绍数据的采集导入、机器学习的逻辑模型(包括线性模型、神经网络模型等)、对特征选择和抽取、集成机器学习做了详述,并对Python中众多针对机器学习任务的程序包,包括NumPy、SciPy、Matplotlib和Scikit-learn等的使用进行讲解,并将其应用于一些案例研究之中。

本培训将人工智能和机器学习理论与Python应用实践相结合,基于Python对机器学习目前的一些模型及基本方法,进行详细解读、并对其中主要的模型,提供Python样例实战讲解。 

一、培训对象

1,系统架构师、系统分析师、高级程序员、资深开发人员。

2,牵涉到网络采集、处理和规划的负责人、设计人员。

3,政府机关,金融保险、移动等以互联网信息为数据来源单位的负责人。

4,高校、科研院所牵涉到人工智能与机器学习的项目负责人。

二、学员基础

1,对IT系统设计有一定的理论与实践经验。

2,有一定的机器学习基础知识和开发经验。

3,有一定的机器学习与大数据处理的知识。 

三、师资

由业界知名大数据专家亲自授课:

杨老师  主要研究网络信息分析、机器学习以及大数据相关技术,长期从事网络信息处理、机器学习以及大数据分析系统的研究开发工作,主持和参与了多个国家和省部级基金项目,具有丰富的工程实践及软件研发经验。

四、培训内容

1讲人工智能和机器学习

1人工智能简介

2人工智能的发展历程

3机器学习及相关技术

4国内外研究现状

2讲机器学习基础

1分类和回归

2聚类和降维

3线性规划

4机器学习模型

5特征抽取

3 Python工具和技术

1 Python与机器学习

2 Python的安装配置

3 NumPyMatplotlib

4 PandasSciPy

5 Scikit-Learn

4 将数据变为信息

1 数据及其模型

2 数据来源

3 数据清洗

4 数据可视化

5讲机器学习的模型

1 逻辑模型

2 PAC和计算复杂性

3 树状模型和纯度

4 规则模型

6讲线性模型分析

1 最小二乘法和梯度下降

2 logistic回归

3 代价函数

4 多分类

5 正则化

7讲神经网络模型

1神经网络基础

2 logistic单元

3 代价函数最小化

4神经网络的实现

5梯度检验

6其他神经网络架构

8讲特征类型和抽取

1特征的类型

2运算和统计

3结构化特征

4特征变换

5主成分分析

9讲集成学习技术

1集成学习的类型

2 Bagging方法

3 随机森林

4 Boosting方法

5 集成学习的策略

10讲机器学习设计策略

1评价模型的表现

2模型的选择

3学习曲线

4机器学习小结

五、培训目标

1、全面了解人工智能和机器学习的相关知识。

2、学习Python中一些经典的机器学习模型。

3、深入使用Python在机器学习中的使用。 

六、培训时间、地点

时间: 2018年3月15日-3月16日 地点:北京

七、证书

培训结束,颁发中科院计算所职业培训中心“人工智能和机器学习”结业证书。 

八、费用

培训费:5500元/人(含教材、证书、午餐、学习用具等)住宿协助安排,费用自理。

联系方式:

      地  址:北京海淀中关村958楼中科天博大厦(100086)

  联系人:祝华

  手  机:13641301906


Copyright © 网络机器人吧社区@2017