     Python+機器學習與深度學習實戰培訓

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.隨機深林
KNN與聚類
理論與實戰
5.sklearn實現knn算法完成iris數據集分類
6.k-means算法
7.DBSCAN算法

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

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

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
圖像識別項目
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

Kease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