课程简介
机器学习算法原理与实践
目标收益
培训对象
课程大纲
|
第一天 上午 概述 |
1.人工智能应用发展概述 2.python基础学习 3.科学计算包numpy学习 4.绘图工具包matplotlib学习 5.机器学习基础理论 |
|
下午 回归算法理论与实战 |
1.一元线性回归 2.代价函数 3.梯度下降法 4.使用sklearn实现一元线性回归 5.多元线性回归 6.使用sklearn实现多元线性回归 7.过拟合正则化 8.岭回归 9.sklearn实现岭回归 10.LASSO回归 11.sklearn实现LASSO回归 |
| KNN算法和决策树算法理论与实战 |
1.KNN算法介绍 2.sklearn实现knn算法 3.决策树原理介绍 4.sklearn实现决策树算法 |
|
第二天 上午 神经网络算法理论与实战 |
1.深度学习发展以及大师介绍 2.神经网络基本原理 3.单层感知器程序 4.线性神经网络 5.激活函数，损失函数和梯度下降法 6.BP神经网络介绍 7.BP神经网络解决异或问题 8.sklearn-BP神经网络解决手写数字识别 |
|
下午 决策树算法理论与实战 |
1.决策树-信息熵,ID3,C4.5算法介绍 2.sklearn-决策树 |
| 聚类算法理论与实战 |
1.k-means算法原理 2.k-means算法实现 3.DBSCAN算法原理 4.DBSCAN算法实现 |
|
第一天 上午 概述 1.人工智能应用发展概述 2.python基础学习 3.科学计算包numpy学习 4.绘图工具包matplotlib学习 5.机器学习基础理论 |
|
下午 回归算法理论与实战 1.一元线性回归 2.代价函数 3.梯度下降法 4.使用sklearn实现一元线性回归 5.多元线性回归 6.使用sklearn实现多元线性回归 7.过拟合正则化 8.岭回归 9.sklearn实现岭回归 10.LASSO回归 11.sklearn实现LASSO回归 |
|
KNN算法和决策树算法理论与实战 1.KNN算法介绍 2.sklearn实现knn算法 3.决策树原理介绍 4.sklearn实现决策树算法 |
|
第二天 上午 神经网络算法理论与实战 1.深度学习发展以及大师介绍 2.神经网络基本原理 3.单层感知器程序 4.线性神经网络 5.激活函数，损失函数和梯度下降法 6.BP神经网络介绍 7.BP神经网络解决异或问题 8.sklearn-BP神经网络解决手写数字识别 |
|
下午 决策树算法理论与实战 1.决策树-信息熵,ID3,C4.5算法介绍 2.sklearn-决策树 |
|
聚类算法理论与实战 1.k-means算法原理 2.k-means算法实现 3.DBSCAN算法原理 4.DBSCAN算法实现 |
近期公开课推荐
