一、培訓簡述
課程中通過細致講解，使學員掌握該技術的本質。具體收益包括：
1. 回歸算法理論與實戰；
2. 決策樹算法理論與實戰；
3. 集成學習算法理論與實戰；
4. KNN算法和決策樹算法理論與實戰；
5. 聚類算法理論與實戰；
6. 神經網絡算法；
7. Tensorflow；
8. 生成式對抗網絡GANs。

二、培訓特色
本次培訓從實戰的角度對Python進行了全面的剖析，并結合實際案例分析和探討Python技術的應用場景，給Python相關從業人員以指導和啟迪。

三、培訓時長
共計3天，每天6課時

四、培訓大綱

日程	培訓模塊	培訓內容
第一天 上午	機器學習簡介	1.一元線性回歸   2.代價函數   3.使用梯度下降法實現一元線性回歸   4.標準方程法   5.使用sklearn實現一元線性回歸   6.使用sklearn實現多元線性回歸   7.使用sklearn實現嶺回歸   8.使用sklearn實現LASSO回歸
第一天 下午	決策樹與集成學習 理論與實戰	1.sklearn實現決策樹  2.決策樹-CART算法  3.決策樹應用  4.隨機森林
	KNN與聚類 理論與實戰	1.sklearn實現knn算法完成iris數據集分類 2.k-means算法 3.DBSCAN算法
第二天 上午	神經網絡算法	1.神經網絡基本原理   2.單層感知機   3.線性神經網絡   4.激活函數，損失函數和梯度下降法   5.線性神經網絡異或問題   6.BP神經網絡介紹   7.BP算法推導   8.BP神經網絡解決異或問題   9.BP算法完成手寫數字識別   10.sklearn-BP神經網絡解決手寫數字識別 11.GOOGLE神經網絡平臺
第二天 下午	Tensorflow2.0	1.深度學習框架介紹   2.Tensorflow安裝   3.Tensorlfow基礎知識   4.Tensorflow線性回歸   5.Tensorflow非線性回歸   6.Mnist數據集合Softmax講解   7.使用BP神經網絡搭建手寫數字識別   8.交叉熵(cross-entropy)講解和使用   9.過擬合,正則化,Dropout   10.各種優化器Optimizer   11.改進手寫數字識別網絡   12.卷積神經網絡CNN的介紹   13.使用CNN解決手寫數字識別   14.長短時記憶網絡LSTM介紹   15.LSTM的使用   16.模型保存與載入
第三天 上午	圖像識別項目	1.介紹Google圖像識別模型Inception-v3    2.使用Inception-v3做圖像識別    3.訓練自己的圖像識別模型
	驗證碼識別項目	4.多任務學習介紹    5.生存驗證碼圖片    6.構建驗證碼識別模型
第三天 下午	Kease 最佳實踐	1.安裝和配置Keras,API 2.回調函數與自定義訓練過程 3.深度神經網絡DCNN實現 4.采用深度學習算法識別CIFRA-10圖片 5.調節參數來改善性能

 （注：大綱還可根據需求進行調整）

師資簡介
劉老師
十幾年軟件研發經驗，8年企業培訓經驗，對Java、Python、區塊鏈等技術領域有獨特的研究，精通J2EE企業級開發技術。Java方向：設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲技術、基于Scikit-Learn機器學習框，Tensorflow深度學習框架、人臉識別技術。
區塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS
精品課程

• Python核心編程與快速入門
• Django Web開發、Scrapy爬蟲實踐
• Numpy與Pandas數據統計與分析技術
• Python機器學習 (K-近鄰、貝葉斯、決策樹、隨機森林、K-均值、線性回歸)
• Tensorflow 深度學習與人臉識別技術
• Java SSH高級應用開發最佳實踐
• Spring Boot與Spring Cloud
• 設計模式最佳實踐
• 區塊鏈、比特幣、以太坊智能合約應用實踐
• Solidity Truffle智能合約最佳實踐
• Hyperledger Fabirc 聯盟鏈架構實現

教學風格
豐富的企業應用軟件開發經驗，深厚的軟件架構設計理論和實踐。專業而豐富的培訓教學技能，將深奧的技術理論與企業實踐有機融合，通過輕量化、深入淺出的授課方式讓學員在愉悅中獲取知識。