【決勝AI系列】機器學習&深度學習系統實戰！—34159人已學習
課程介紹
![201804021742414612.png]()
數學原理推導與案例實戰緊密結合，由機器學習經典算法過度到深度學習的世界，結合深度學習兩大主流框架Caffe與Tensorflow，選擇經典項目實戰人臉檢測與驗證碼識別。原理推導，形象解讀，案例實戰缺一不可！ 專屬會員卡優惠鏈接：http://edu.csdn.net/lecturer/1079 更多精彩課程緊張錄製中~
課程收益
掌握機器學習算法與應用。數據和代碼在課程目錄裏面右側有下載符號，得用電腦登錄下載。
講師介紹
唐宇迪更多講師課程
計算機博士，專注於機器學習與計算機視覺領域，深度學習領域一線實戰講師。在圖像識別領域有着豐富經驗，實現過包括人臉識別，物體識別，關鍵點檢測等多種應用的新算法。 參與多個國家級計算機視覺項目，多年數據領域培訓經驗，豐富的教學講解經驗，出品多套機器學習與深度學習系列課程，課程生動形象，風格通俗易懂。
課程大綱
第1章:迴歸算法原理推導
1.系列課程概述 （PPT和代碼在右側有個下載箭頭->） 5:34
2.系列課程Python環境配置 10:44
3.機器學習概述 10:39
4.迴歸算法原理推導 11:48
5.迴歸算法誤差項分析 9:32
6.迴歸算法目標函數求解 13:02
7.數學推導能做什麼 7:05
8.科學計算庫Numpy簡介 7:56
9.答疑與討論 22:32
第2章:決策樹與隨機森林
1.決策樹概述 8:29
2.熵原理 10:59
3.決策樹構造實例 10:28
4.信息增益率 6:51
5.決策樹剪枝策略 10:07
6.隨機森林模型 8:25
7.決策樹剪枝參數 7:30
8.邏輯迴歸原理 12:15
9.答疑與討論 12:40
第3章:實戰樣本不均衡數據解決方法（上）
1.Numpy基礎操作（代碼下載->） 7:21
2.Numpy數組運算 12:13
3.Numpy常用函數 10:33
4.Pandas基礎 17:02
5.Pandas常用函數 9:49
6.Pandas預處理實例 9:29
7.透視表與自定義函數 14:02
8.答疑與討論 22:01
第4章:實戰樣本不均衡數據解決方法（下）
1.欺詐檢測數據背景（數據代碼下載->） 11:41
2.下采樣策略 8:17
3.交叉驗證 9:17
4.梯度下降原理 9:30
5.梯度下降實例 4:58
6.模型評估方法 13:43
7.正則化懲罰項 7:44
8.使用scikit-learn進行建模 7:38
9.混淆矩陣 12:37
第5章:支持向量機
1.下采樣策略複習 8:01
2.閾值對模型結果的影響 8:40
3.SMOTE算法完成過採樣 10:07
4.支持向量機算法優化目標 13:34
5.拉格朗日乘子法求解 7:53
6.目標函數求解 9:22
7.支持向量機求解實例 13:34
8.軟間隔支持向量機 5:27
第6章:Xgboost集成算法
1.支持向量機核變換問題 12:28
2.支持向量機參數 5:00
3.Xgboost基本思想 11:45
4.Xgboost原理推導 11:47
5.Xgboost求解 10:00
6.Xgboost庫安裝 6:44
7.Xgboost使用實例 12:10
第7章:神經網絡基礎
1.深度學習概述（神經網絡PPT下載-->） 15:02
2.計算機視覺挑戰與常規套路 11:32
3.線性分類 11:49
4.Softmax分類器 8:06
5.最優化問題 9:51
6.反向傳播與參數更新 14:45
7.神經網絡概述 4:49
第8章:神經網絡整體架構
1.神經網絡整體架構 10:03
2.神經網絡DEMO演示 11:44
3.正則化與激活函數 11:50
4.dropOut 10:28
5.特徵工程 6:02
6.BenchMark 19:31
7.卷積神經網絡應用 5:59
第9章:卷積神經網絡
1.卷積神經網絡概述 11:14
2.卷積特徵提取 7:37
3.卷積計算流程 12:24
4.邊緣填充 9:06
5.卷積參數共享 7:12
6.池化層操作 13:22
7.經典網絡架構 13:52
第10章:深度學習框架-Tensorflow實戰
1.Tensorflow安裝（數據代碼-->下載） 10:05
2.Tensorflow變量 10:45
3.基本使用方法 9:27
4.線性迴歸實例 12:14
5.神經網絡結構與參數定義 10:30
6.神經網絡迭代訓練 9:26
7.卷積神經網絡實戰Mnist數據集 9:52
第11章:案例實戰-驗證碼識別
1.卷積參數設置 11:11
2.完成網絡模型設計 10:30
3.網絡迭代訓練 10:37
4.驗證碼識別任務概述 8:15
5.訓練驗證碼識別網絡模型 15:17
6.Kmeans聚類算法 8:02
7.聚類綜述 13:04
第12章:案例實戰-人臉檢測
1.Caffe數據層配置文件 16:47
2.Caffe計算層配置 7:17
3.超參數配置 14:33
4.Caffe數據源製作 12:14
5.網絡模型訓練 15:38
6.代碼概述與答疑討論 24:00
大家可以點擊【查看詳情】查看我的課程
課程介紹
數學原理推導與案例實戰緊密結合，由機器學習經典算法過度到深度學習的世界，結合深度學習兩大主流框架Caffe與Tensorflow，選擇經典項目實戰人臉檢測與驗證碼識別。原理推導，形象解讀，案例實戰缺一不可！ 專屬會員卡優惠鏈接：http://edu.csdn.net/lecturer/1079 更多精彩課程緊張錄製中~
課程收益
掌握機器學習算法與應用。數據和代碼在課程目錄裏面右側有下載符號，得用電腦登錄下載。
講師介紹
唐宇迪更多講師課程
計算機博士，專注於機器學習與計算機視覺領域，深度學習領域一線實戰講師。在圖像識別領域有着豐富經驗，實現過包括人臉識別，物體識別，關鍵點檢測等多種應用的新算法。 參與多個國家級計算機視覺項目，多年數據領域培訓經驗，豐富的教學講解經驗，出品多套機器學習與深度學習系列課程，課程生動形象，風格通俗易懂。
課程大綱
第1章:迴歸算法原理推導
1.系列課程概述 （PPT和代碼在右側有個下載箭頭->） 5:34
2.系列課程Python環境配置 10:44
3.機器學習概述 10:39
4.迴歸算法原理推導 11:48
5.迴歸算法誤差項分析 9:32
6.迴歸算法目標函數求解 13:02
7.數學推導能做什麼 7:05
8.科學計算庫Numpy簡介 7:56
9.答疑與討論 22:32
第2章:決策樹與隨機森林
1.決策樹概述 8:29
2.熵原理 10:59
3.決策樹構造實例 10:28
4.信息增益率 6:51
5.決策樹剪枝策略 10:07
6.隨機森林模型 8:25
7.決策樹剪枝參數 7:30
8.邏輯迴歸原理 12:15
9.答疑與討論 12:40
第3章:實戰樣本不均衡數據解決方法（上）
1.Numpy基礎操作（代碼下載->） 7:21
2.Numpy數組運算 12:13
3.Numpy常用函數 10:33
4.Pandas基礎 17:02
5.Pandas常用函數 9:49
6.Pandas預處理實例 9:29
7.透視表與自定義函數 14:02
8.答疑與討論 22:01
第4章:實戰樣本不均衡數據解決方法（下）
1.欺詐檢測數據背景（數據代碼下載->） 11:41
2.下采樣策略 8:17
3.交叉驗證 9:17
4.梯度下降原理 9:30
5.梯度下降實例 4:58
6.模型評估方法 13:43
7.正則化懲罰項 7:44
8.使用scikit-learn進行建模 7:38
9.混淆矩陣 12:37
第5章:支持向量機
1.下采樣策略複習 8:01
2.閾值對模型結果的影響 8:40
3.SMOTE算法完成過採樣 10:07
4.支持向量機算法優化目標 13:34
5.拉格朗日乘子法求解 7:53
6.目標函數求解 9:22
7.支持向量機求解實例 13:34
8.軟間隔支持向量機 5:27
第6章:Xgboost集成算法
1.支持向量機核變換問題 12:28
2.支持向量機參數 5:00
3.Xgboost基本思想 11:45
4.Xgboost原理推導 11:47
5.Xgboost求解 10:00
6.Xgboost庫安裝 6:44
7.Xgboost使用實例 12:10
第7章:神經網絡基礎
1.深度學習概述（神經網絡PPT下載-->） 15:02
2.計算機視覺挑戰與常規套路 11:32
3.線性分類 11:49
4.Softmax分類器 8:06
5.最優化問題 9:51
6.反向傳播與參數更新 14:45
7.神經網絡概述 4:49
第8章:神經網絡整體架構
1.神經網絡整體架構 10:03
2.神經網絡DEMO演示 11:44
3.正則化與激活函數 11:50
4.dropOut 10:28
5.特徵工程 6:02
6.BenchMark 19:31
7.卷積神經網絡應用 5:59
第9章:卷積神經網絡
1.卷積神經網絡概述 11:14
2.卷積特徵提取 7:37
3.卷積計算流程 12:24
4.邊緣填充 9:06
5.卷積參數共享 7:12
6.池化層操作 13:22
7.經典網絡架構 13:52
第10章:深度學習框架-Tensorflow實戰
1.Tensorflow安裝（數據代碼-->下載） 10:05
2.Tensorflow變量 10:45
3.基本使用方法 9:27
4.線性迴歸實例 12:14
5.神經網絡結構與參數定義 10:30
6.神經網絡迭代訓練 9:26
7.卷積神經網絡實戰Mnist數據集 9:52
第11章:案例實戰-驗證碼識別
1.卷積參數設置 11:11
2.完成網絡模型設計 10:30
3.網絡迭代訓練 10:37
4.驗證碼識別任務概述 8:15
5.訓練驗證碼識別網絡模型 15:17
6.Kmeans聚類算法 8:02
7.聚類綜述 13:04
第12章:案例實戰-人臉檢測
1.Caffe數據層配置文件 16:47
2.Caffe計算層配置 7:17
3.超參數配置 14:33
4.Caffe數據源製作 12:14
5.網絡模型訓練 15:38
6.代碼概述與答疑討論 24:00
大家可以點擊【查看詳情】查看我的課程
