Python深度学习与数据挖掘实战 第三期

默认教学计划
55人加入学习
(0人评价)
价格 ¥599.00
教学计划
承诺服务
课程介绍

国务院印发《新一代人工智能发展规划》,明确指出在中小学阶段设置人工智能相关课程后,编程教育走进了更多人的视野。Python 作为人工智能时代最合适的语言,无疑被越来越多人追捧。Python已经被北京、浙江、山东等省份纳入高考内容之一,将成为高考加分的利器。

教育部考试中心已经公布,在计算机二级考试加入“Python语言程序设计”科目,Python将于2018年9月全国计算机等级考试首次亮相。本课程内容适用于Python二级考试。点击查看考试大纲

在众多领域中:人工智能、机器学习、数据挖掘、数据分析、云计算、网络爬虫等都离不开python的身影。

本课程主要讲解基于深度学习的高级数据挖掘课程和大量的案例分析。课程全程答疑保证每一位报名学员都能学会学懂

 

- 讲师简介 -

张阳阳

清华大学博士生,研究方向:人工智能、机器学习、深度学习。熟练掌握Python在人工智能中的应用。擅长数值计算与仿真模拟,精通各种 AI 算法和编程:回归预测、全局优化、聚类分类、综合评价、模式识别等。曾作为Python课程讲师,有 4 年多的教学经验。

 

- 课程目录 -

1 最强大脑之“数独迷宫”与“七阶立方”
  1.1 “数独迷宫”与“七阶立方”简介
  1.2  模型建立与求解
  1.3  Python 程序讲解
  1.4  模型的评价与拓展
  1.5  模型的变型与思考
  1.6  课后作业
  1.7  课后测验
2 深度学习的主流框架Tensorflow
  2.1  Tensorflow简介
  2.2  Tensorflow的安装
  2.3  Tensorflow的基本使用  
  2.4  Tensorflow的例子与资料
  2.5  课后作业
  2.6  课后测验
3 深度学习的主流框架PyTorch
  3.1  PyTorch简介
  3.2  线性模型
  3.3  梯度下降  
  3.4  Pytorch程序讲解和注意事项
  3.5  课后作业
  3.6  课后测验
4 主流框架PyTorch基础
  4.1  BP反馈
  4.2  线性回归
  4.3  逻辑回归
  4.4  Pytorch程序讲解和注意事项
  4.5  课后作业
  4.6  课后测验
5 主流框架PyTorch进阶
  5.1  宽度与深度
  5.2  数据的导入
  5.3  Softmax分类器
  5.4  Pytorch程序讲解和注意事项
  5.5  课后作业
  5.6  课后测验
6 前馈神经网络(Feed Forward Network)
  6.1 前馈神经网络算法
  6.2 实训:对MNIST数据集进行识别
  6.3  Pytorch程序讲解和注意事项
  6.4 课后作业
  6.5 课后测验
7 卷积神经网络(Convolution Neural Network) 
  7.1 卷积神经网络算法
  7.2 实训:对MNIST数据集进行识别
  7.3  Pytorch程序讲解和注意事项
  7.4 课后作业
  7.5 课后测验
8 习题课与阶段考试
  8.1 第1~7节作业讲解
  8.2 作业的拓展与变型
  8.3 阶段考试
9 深度残差网络(Deep Residual Network) 
  9.1 深度残差网络算法
  9.2 实训:对CIFAR-10数据集进行识别
  9.3  Pytorch程序讲解和注意事项
  9.4 课后作业
  9.5 课后测验
10 循环神经网络(Recurrent Neural Network)
  10.1 循环神经网络算法
  10.2 实训:对MNIST数据集进行识别
  10.3  Pytorch程序讲解和注意事项
  10.4 课后作业
  10.5 课后测验
11 图片验证码识别 (光学字符识别)
  11.1 背景介绍
  11.2 验证码的识别
  11.3 程序讲解和注意事项
  11.4 课后作业
  11.5 课后测验
12 改进:基于 Tensorflow 和卷积神经网络 CNN 识别验证码
  12.1 TensorFlow 介绍
  12.2 验证码的识别
  12.3 程序讲解和注意事项
  12.4 课后作业
  12.5 课后测验
13 文本数据情感分析
  13.1 背景介绍
  13.2 文本数据情感分析
  13.3  TensorFlow 中搭建 RNN 框架
  13.4 课后作业
  13.5 课后测验
14 改进:基于 Tensorflow 和循环神经网络 RNN 文本分析
  14.1 文本数据情感分析简介
  14.2 循环神经网络 RNN
  14.3 程序讲解和注意事项
  14.4 课后作业
  14.5 课后测验
15 阶段复习之Tensorflow的基本操作
  15.1 阶段复习
  15.2 阶段考试
16 基于关联规则(Apriori)分析对超市购物的商品关系
  16.1 关联规则(Apriori)
  16.2 实训一:关联规则分析超市的商品关系
  16.3 实训二:关联规则分析毒蘑菇的相似特征
  16.4 程序讲解和注意事项
  16.5 课后作业
  16.6 课后测验
17 阶段复习之Tensorflow的进阶操作
  17.1 阶段复习
  17.2 阶段考试
18 基于用户和物品的协同过滤算法进行智能推荐
  18.1 协同过滤算法简介
  18.2 协同过滤算法的核心
  18.3 协同过滤算法的应用方式
  18.4 基于用户的协同过滤算法实现
  18.5 基于物品的协同过滤算法实现
  18.6 课后作业
  18.7 课后测验
19 阶段复习之Tensorflow的高级操作
  19.1 阶段复习
  19.2 阶段考试
20 期末考试
  20.1 期末复习
  20.2 期末考试
  20.3 题目讲解

 

- 授课方式 -

1、本次课程为全程录播课,答疑群里主讲老师和助教实时答疑。

2、本次课程配套习题和习题讲解课。

 

- 课程特点 -

  • 循序渐进,由浅入深、从入门到进阶
  • 学有所成,每次课程配有作业,巩固学习成果,完成课程闭环
  • 代码公开,面向学员公开课程的课件和源代码,随时回顾
  • 答疑无忧,学员加入微信群,群内和讲师实时互动答疑

 

- 限量优惠 -

限量 100张 100元优惠券,先到先得!

 

- 购课福利 -

1、购买后领取 10个G的 Python 资料大礼包 

2、购买后邀请加入讲师学员私密答疑群 

PS:优惠券和资料大礼包添加极值学院助教微信math-o 领取

 

扫码添加“雨祯”小姐姐

课程目标
  • 掌握深度学习的主流算法及实现
  • 掌握基于深度学习算法的数据挖掘技术
  • 通过各种案例掌握数据挖掘高级算法的步骤和思维
适合人群
  • 掌握数据挖掘基础算法的学员
  • 目标高级数据挖掘工程师

授课教师

软件工程师、人工智能工程师

课程特色

视频(19)
作业(12)
下载资料(26)
考试(1)