Day1

上午

第一篇

机器学习与人工智能基础

一、大数据分析与机器学习、人工智能及深度学习

二、机器学习的基本任务

三、如何选择合适算法

四、大数据在机器学习方面的优势

理论授课+讨论：

大数据分析与机器学习、人工智能及深度学习

Day1

下午

第二篇  机器学习与人工智能方法论

一、机器学习方法论CRISPDM

二、构建机器学习AI系统流程

三、特征提取、转换和选择

四、模型选择或调优

理论授课+案例练习：

机器学习及特征工程实战

Day2

上午

第三篇  人工智能开发工具

一、人工智能开发工具python模块实战skleran,tensorflow,keras

二、数据挖掘工具pyspark介绍

三、深度学习与TensorFlow框架

四、深度学习高级应用案例

理论授课+案例练习：

Python核心AI模块开发实战

Day2

下午

第三篇  深度学习及算法选择

一、人工智能深度学习历史发展及简介

二、得分函数损失函数正则化

三、Softmax分类器原理及最优化问题

四、深度学习算法选择实践总结

理论授课+讨论：

结合业务深度学习算法选择案例分析

Day3

上午

第四篇   深度学习CNN

一、神经网络原理及激活函数

二、深入神经网络细节及卷积神经网络

三、卷积神经网络详解卷积层池化层

四、CNN算法选择实践总结

理论授课+案例练习：

用CNN来实现图片分类实战

Day3

下午

第五篇  深度学习RNN&LSTM

一、经典RNN神经网络实例详解

二、RNN与LSTM记忆网络

三、数据增强，网络设计，参数初始化

四、RNN算法选择实践总结

理论授课+案例练习： RNN网络开发实战