<thead id="fflbj"><font id="fflbj"><cite id="fflbj"></cite></font></thead>
    <progress id="fflbj"><thead id="fflbj"><font id="fflbj"></font></thead></progress>

            曙海教育集團
            全國報名免費熱線:4008699035 微信:shuhaipeixun
            或15921673576(微信同號) QQ:1299983702
            首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
             
            大數據——機器學習課程培訓

             
               班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號)
                   每期人數限3到5人。
               上課時間和地點
            開課地址:【上海】同濟大學(滬西)/新城金郡商務樓(11號線白銀路站)【深圳分部】:電影大廈(地鐵一號線大劇院站) 【武漢分部】:佳源大廈【成都分部】:領館區1號【沈陽分部】:沈陽理工大學【鄭州分部】:錦華大廈【石家莊分部】:瑞景大廈【北京分部】:北京中山學院 【南京分部】:金港大廈
            最新開班 (連續班 、周末班、晚班):2020年3月16日
               實驗設備
                 ☆資深工程師授課
                    
                    ☆注重質量 ☆邊講邊練

                    ☆合格學員免費推薦工作
                    ★實驗設備請點擊這兒查看★
               質量保障

                    1、培訓過程中,如有部分內容理解不透或消化不好,可免費在以后培訓班中重聽;
                    2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
                    3、培訓合格學員可享受免費推薦就業機會。

            課程大綱
             

            第1章支持向量機(SVM)
            1-1支持向量機要解決的問題
            1-2距離與數據定義
            1-3目標函數
            1-4目標函數求解
            1-5SVM求解實例
            1-6支持向量的作用
            1-7軟間隔問
            1-8SVM核變換
            第2章SVM調參實例
            2-1Sklearn求解支持向量機
            2-2SVM參數選擇
            第3章Kmeans聚類算法
            3-1Kmeans算法概述
            3-2Kmeans工作流程
            3-3Kmeans迭代可視化展示
            第4章DBSCAN聚類算法
            4-1DBSCAN聚類算法概述
            4-2DBSCAN工作流程
            4-3DBSCAN可視化展示
            4-4應用SMO算法求解支持向量機
            第5章聚類實踐
            5-1多種聚類算法概述
            5-2聚類算法Sklearn實戰
            第6章集成算法實例
            6-1集成算法實例概述
            6-2ROU與AUC指標
            6-3基礎模型
            6-4集成實例
            6-5stacking模型
            6-6效果改進
            第7章EM算法
            7-1EM算法要解決的問題
            7-2隱變量問題
            7-3EM算法求解實例
            7-4Jensen不等式
            7-5GMM模型
            第8章GMM聚類實踐
            8-1GMM實例
            8-2GMM聚類
            第9章神經網絡
            9-1神經網絡-挑戰與常規套路
            9-2K近鄰進行圖像分類任務
            9-3超參數與交叉驗證
            9-4線性分類
            9-5損失函數
            9-6正則化懲罰項
            9-7Softmax分類器
            9-8最優化形象解讀
            9-9最優化問題細節
            9-10反向傳播
            9-11神經網絡整體架構
            9-12神經網絡實例演示
            9-13神經網絡過擬合解決方案
            第10章案例實戰:神經網絡CIFAR分類任務
            10-1Cifar分類任務概述
            10-2分模塊構造神經網絡
            10-3訓練神經網絡完成分類任務
            10-4感受神經網絡的強大
            第11章自然語言處理Word2Vec詞向量模型
            11-1自然語言處理與深度學習
            11-2語言模型
            11-3N-gram模型
            11-4詞向量
            11-5神經網絡模型
            11-6Hierarchical Softmax
            11-7CBOW模型實例
            11-8CBOW求解目標
            11-9梯度上升求解
            11-10負采樣模型
            第12章Xgboost集成算法
            12-1Xgboost算法概述
            12-2Xgboost模型構造
            12-3Xgboost建模衡量標準
            12-4集成算法實例概述
            12-5ROC與AUC指標
            12-6基礎模型
            12-7集成實例
            12-8stacking模型
            12-9效果改進

             
              備案號:備案號:滬ICP備08026168號-1 .(2024年07月24日)....................
            538在线视频二三区视视频