全国高校教师深度学习实战研修班 开班通知

认识Python概述及Python基础知识

1.1掌握Python固定语法

1.2创建字符串变量并提取里面的数值

Python数据结构

2.1创建一个列表（list）并进行增删改查操作

2.2转换一个列表为元组（tuple）并进行取值操作

2.3创建一个字典（dict）并进行增删改查操作

2.4将两个列表转换为集合（set）并进行集合运算

控制流与自定义函数

3.1实现考试成绩划分

3.2使用冒泡排序法排序

3.3自定义函数并实现输出方差

3.4存储并导入函数模块

文件基础

4.1认识文件

4.2读取txt文件中的数据

4.3保存数据为csv格式文件

4.4认识os模块

Python科学计算库

5.1NumPy数值计算

5.2Pandas统计分析

机器学习

1机器学习绪论

1.1 引言

1.2 基本术语

1.3 假设空间

1.4 归纳偏好

2 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 偏差与方差

3 回归分析(Regression Analysis)

3.1 基本形式

3.2 线性模型

3.3 逻辑回归

4 决策树(Decision Tree)

4.1 基本流程

4.2 划分选择

4.3 剪枝

5 人工神经网络(Artificial Neural Network)

5.1 神经元模型

5.2 感知机与多层网络

5.3 误差逆传播

5.4 BP神经网络

6 聚类分析(Cluster Analysis)

6.1 聚类任务

6.2 性能度量

6.3 距离计算

6.4 常用聚类算法

Python机器学习库

7.1 Matplotlib数据可视化基础

7.2 使用scikit-learn构建模型

08:30 - 11:30

14:00-17:00

TensorFlow与深度学习实战

1 TensorFlow安装与入门

1.1 TensorFlow环境搭建

1.2 TensorFlow计算模型性:计算图

1.3 TensorFlow数据模型:张量Tensor

1.4 TensorFlow运行模型:会话

2 TensorFlow数据类型

2.1 常量、变量及其构建

2.2 TensorFlow实现线性回归模型

2.3 操作：TensorFlow实现鸢尾花分类

3 TensorFlow实现多层神经网络

3.1 BP神经网络模型(Back Propagation)

3.2 操作：利用TensorFlow构建BP网络模型实现鸢尾花分类

4 手写数字识别

4.1 图片预处理

4.2 占位符:placeholder

4.3 操作：利用TensorFlow实现SoftMax网络对手写数字分类

案例：基于卷积神经网络（CNN）的人脸识别模型

5 卷积神经网络CNN

5.1卷积神经网络(CNN)简介

5.2 CNN关键结构:卷积层与池化层

5.3 经典卷积网络模型: LeNet-5

5.4 图像数据处理

5.5 操作：利用CNN进行人脸识别

08:30 - 11:30

14:00-17:00

案例：基于深度神经网络RNN的聊天机器人（ChatBot）实现 

1.1 案例背景及目标 

1.2 语料库(Corpus)准备并构建字典 

1.3 循环神经网络(Recurrent Neural Network，RNN)基本原理 

1.4 定义激活函数(tanh函数)、softmax算法处理分类问题 

1.5 定义正向的输出与损失函数(loss function) 

1.6 构建基于注意力(Attention)的Seq2Seq模型 

1.7 随时间反向传播(BPTT)计算梯度并通过优化器更新 

1.8 使用checkpoint文件保存模型参数，并调用ChatBot模型训练与测试优化

08:30 - 11:30

14:00-17:00

企业参观考察交流

1 大数据与人工智能人才培养交流 

2 企业人工智能产品和大数据项目介绍参观 

3 大数据教学平台介绍与体验

1、请将报名表发至train-6@tipdm.com邮箱，培训费报名后请汇至指定的账号，汇款底单上注明“实战研修班”字样，方便查账备案。将汇款底单可QQ截图发送或电邮至上述邮箱；

2、可以到场现金支付。