机器学习和神经网络基础

课程 实战 Web前端学院 大数据学院 宅客说
注册

手机号错误信息

点击刷新

请输入正确验证码

请输入正确验证码

已注册,直接登录

使用合作方账号登录
登录
忘记密码

未注册,直接注册

使用合作方账号登录

您尚未绑定手机号

绑定手机号

手机号错误信息

点击刷新

请输入正确验证码

请输入正确验证码

本次签到获得0
累计收益:¥0
亲爱的,你已经
累计签到
0
当前账户余额
兑换课程 查看更多
机器学习和神经网络基础-SVM
周海
2018年01月10日 20:00-21:30
简介:

学习目标
1. 掌握机器学习中必备的数学知识
2. 理解并实现基本的机器学习算法
3. 能够使用典型的机器学习库完成分类、回归和预判
4. 掌握机器学习模型的评价和优化方法
5. 了解和掌握深度神经网络的设计方法
6. 能够使用TensorFlow实现典型的深度神经网络和卷积神经网络


适用人群

对机器学习、深度学习等感兴趣的技术人员


预备知识

熟练掌握Python基本语法


工具和平台
1. Visual Studio Code
2. Python及:numpy, scipy,scikit-sklearn, matplotlib
3. TensorFlow for Python
4. 数据集:MNIST、CIFAR-10


课程安排


第一阶段:数学基础

numpy.array的典型操作
向量、矩阵的dot和*运算
基本统计量:偏差、方差、标准差、协方差、相关性
概率分布和随机数
函数求导及链式法则
求解函数极值
求和公式、矩阵和向量的导数计算
最小二乘法推导及Analytic解法
最下二乘法的Numeric解法:梯度下降算法
拉格朗日乘子法和凸优化
使用scipy.optimize求解带约束条件的函数极值


第二阶段线性回归

使用sklearn.linear_model.LinearRegression实现一元线性回归
一元线性回归的梯度下降算法实现
线性回归的效能评价
使用sklearn.linear_model.LinearRegression实现多元线性回归
多元线性回归的梯度下降算法实现
数据归一化(Normalization)
超参数:Learning Rate
非线性拟合(高阶拟合)的线性处理
欠拟合(Underfit)和过拟合(Overfit)


第三阶段逻辑回归

使用sklearn.linear_model.LogisticRegression实现二分类
二分类的梯度下降算法实现
模型正则化(Regularization)
使用sklearn.linear_model.LogisticRegression实现多分类
多分类的自定义实现
Validation和Cross Validation
超参数:λ
模型效能评价:F1 Score


第四阶段SVM、KNN和K-Means

距离计算
使用sklearn.svm实现二分类
SVM的优化目标
使用凸优化求解SVM目标函数
核函数的作用和工作方式
使用sklearn.svm实现多分类
使用sklearn.neighbors.NearestNeighbors实现分类
KNN的自定义实现
超参数:K
使用sklearn.cluster.KMeans实现无监督学习的分类
K-Means算法的自定义实现


第五阶段贝叶斯分类、决策树和随机森林

条件概率和贝叶斯公式
朴素贝叶斯方法与文本信息分类
朴素贝叶斯文本信息分类的自定义实现
使用sklearn.naive_bayes.MultinomialNB实现文本信息分类
信息熵的计算
ID3算法的Step By Step演示
决策树特征的预处理:数值化和向量化
决策树的自定义实现
使用sklearn.tree.DecisionTreeClassifier
使用sklearn.ensemble.RandomForestClassifier
随机森林的自定义实现


第六次课:神经网络和图像分类基础


神经网络的前向传播计算
反向传播算法原理
使用sklearn.neural_network.MLPClassifier实现手写图片分类识别
反向传播算法神经网络的自定义实现
cifar-10数据集
mini-batch
KNN分类及交叉验证
SVM线性分类器
Softmax线性分类器
激活函数
数据预处理考量
权重初始化考量
Batch Normalization
梯度更新策略
Dropout
使用模块化的全连接神经网络实现图像分类



第七阶段卷积神经网络与TensorFlow

图像过滤器
卷积层计算
池化层计算
全连接层
典型图像分类卷积神经网络的层次结构
卷积神经网络的自定义实现
使用TensorFlow完成典型的机器学习任务
使用TensorFlow简化卷积神经网络代码编写
使用卷积神经网络实现图像分类