一、培训收益
课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括：
1. 回归算法理论与实战；
2. 决策树算法理论与实战；
3. 集成学习算法理论与实战；
4. KNN算法和决策树算法理论与实战；
5. 聚类算法理论与实战；
6. 神经网络算法；
7.Tensorflow；
8. 生成式对抗网络GANs。
二、培训特色
本次培训从实战的角度对深度学习技术进行了全面的剖析，并结合实际案例分析和探讨深度学习的应用场景，给深度学习相关从业人员以指导和启迪。
三、日程安排
第一天 上午 机器学习简介
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.使用梯度下降法实现一元线性回归
5.标准方程法
6.使用sklearn实现一元线性回归
7.多元线性回归
8.使用sklearn实现多元线性回归
9.特征缩放，交叉验证法
10.过拟合正则化
11.岭回归
12.sklearn实现岭回归
13.LASSO回归
14.sklearn实现LASSO回归
第二天 上午 KNN算法和决策树算法理论与实战
1.KNN算法介绍
2.python实现knn算法
3.sklearn实现knn算法完成iris数据集分类
聚类算法理论与实战
4.k-means算法原理
5.k-means算法实现
6.DBSCAN算法原理
7.DBSCAN算法实现
第三天上午Tensorflow（一）
1.深度学习框架介绍
2.Tensorflow安装
3.Tensorlfow基础知识：图，变量，fetch，feed
4.Tensorflow线性回归
5.Tensorflow非线性回归
6.Mnist数据集合Softmax讲解
7.使用BP神经网络搭建手写数字识别
8.交叉熵(cross-entropy)讲解和使用
第四天 上午 图像识别项目
1.介绍Google图像识别模型Inception-v3
2.使用Inception-v3做图像识别
图像识别项目
3.训练自己的图像识别模型
验证码识别项目
4.多任务学习介绍
5.生存验证码图片
6.构建验证码识别模型
