南京萬和IT

1.微積分與概率論基礎(chǔ)；

2.線性代數(shù)與矩陣運(yùn)算；

3.數(shù)理統(tǒng)計(jì)與參數(shù)估計(jì)；

4.凸優(yōu)化基礎(chǔ)；

5.梯度下降和擬牛頓、**大熵模型；

1.科學(xué)計(jì)算numpy、pandas；

2.分析策略；數(shù)據(jù)可視化matpalotlib；

3.自然語言處理NLTK；

scikit-learn；機(jī)器學(xué)習(xí)與特征工程；

分類算法；回歸與非監(jiān)督學(xué)習(xí)。

1 .numpy數(shù)據(jù)處理Ipython入門、numpy導(dǎo)入、ndarray屬性與基本操作

2. pandas 什么是Series、什么是DataFrame、DataFrame的數(shù)據(jù)丟失處理、pandas層次化索引、pandas 拼接操作、美國各州人口數(shù)據(jù)分析、pandas數(shù)據(jù)處理、pandas繪圖函數(shù)、pandas讀取數(shù)據(jù)、學(xué)生使用pandas練習(xí)數(shù)據(jù)處理

3. scipy scipy安裝、scipy 高數(shù)積分、scipy實(shí)現(xiàn)登月圖片消噪、scipy圖像處理ndimage、pandas 透視表和交叉表 ；

4. matplotlib 圖像的灰度化處理、 matplotlib風(fēng)格和樣式 、matplotlib基礎(chǔ)知識、matplotlib四圖；

5.KNN算法 KNN算法原理、KNN回歸案例、KNN入門案例、KNN分類案例；

6.線性回歸&邏輯斯蒂回歸算法 導(dǎo)數(shù)回顧、實(shí)例糖尿病的線性回歸、嶺回歸與Lasso回歸、線性回歸原理、矩陣的回顧、邏輯斯蒂回歸算法；

7.決策樹算法&樸素貝葉斯算法 決策樹原理、貝葉斯原理、決策樹實(shí)例、貝葉斯實(shí)例；

8.SVM支持向量機(jī)&聚類k-means算法.SVM原理、K-Means算法原理、SVM 實(shí)例、K-Means算法實(shí)際應(yīng)用案例

算法與項(xiàng)目相結(jié)合，選擇經(jīng)典kaggle項(xiàng)目，從數(shù)據(jù)預(yù)處理開始一步步代碼實(shí)戰(zhàn)帶大家快速入門機(jī)器學(xué)習(xí)。選擇經(jīng)典案例基于真實(shí)數(shù)據(jù)集，從數(shù)據(jù)預(yù)處理開始到建立機(jī)器學(xué)習(xí)模型以及效果評估，完整的講解如何使用python及其常用庫進(jìn)行數(shù)據(jù)的分析和模型的建立。使用pandas進(jìn)行數(shù)據(jù)的預(yù)處理和分析，使用matplotlib進(jìn)行可視化的展示以及基于scikit-learn庫的機(jī)器學(xué)習(xí)模型的建立

實(shí)戰(zhàn)案例：

1.人臉識別；

2.手跡識別；

3.預(yù)測年收入；

4.自動臉補(bǔ)全；

5.使用聚類手寫數(shù)字識別；

6.汽車車牌識別；

1.TensorFlow框架開發(fā)；

2.Tensorflow IO操作；

3.神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、全連接神經(jīng)網(wǎng)絡(luò)與實(shí)現(xiàn)；

4.卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)與實(shí)現(xiàn)；

5.項(xiàng)目：圖像識別；

基于深度學(xué)習(xí)**火Tensorflow框架實(shí)戰(zhàn)，結(jié)合案例演示如何應(yīng)用框架構(gòu)造神經(jīng)網(wǎng)絡(luò)模型并完成案例任務(wù)

使用深度學(xué)習(xí)框架從零開始完成人臉檢測，驗(yàn)證碼識別，人臉關(guān)鍵點(diǎn)定位，垃圾郵件分類，圖像風(fēng)格轉(zhuǎn)換，AI自己玩游戲等。對于每一個(gè)項(xiàng)目實(shí)戰(zhàn)，從數(shù)據(jù)預(yù)處理開始一步步構(gòu)建網(wǎng)絡(luò)模型并展開分析與評估。 提供所涉及的所有數(shù)據(jù)，代碼以及PPT，方便大家快速動手進(jìn)行項(xiàng)目實(shí)踐！