課程簡(jiǎn)介
Python、Spark和TensorFlow人工智能培訓(xùn)
目標(biāo)收益
培訓(xùn)對(duì)象
課程大綱
|
第一天 模塊一： 人工智能的行業(yè)應(yīng)用與發(fā)展 |
1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析 2.人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例 3.人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用 4.人工智能在制造業(yè)領(lǐng)域的應(yīng)用 5.人工智能在金融、消費(fèi)領(lǐng)域的應(yīng)用 |
|
模塊二： Python數(shù)據(jù)挖掘快速入門 |
1.Python語(yǔ)言基礎(chǔ)快速入門 2.科學(xué)計(jì)算庫(kù)Numpy 3.數(shù)據(jù)分析處理庫(kù)Pandas 4.可視化庫(kù)Matplotlib 5.人工智能必備Python基礎(chǔ) |
|
模塊三： Scikit-learn實(shí)戰(zhàn) |
1.Scikit-learn庫(kù)介紹 2.Scikit-learn安裝 3.基于Scikit-learn的常用挖掘算法實(shí)戰(zhàn) 4.基于Scikit-learn數(shù)據(jù)挖掘流程 — 數(shù)據(jù)讀取 —數(shù)據(jù)標(biāo)準(zhǔn)化 —特征提取 —升維和降維 |
|
模塊四： python基于Spark的數(shù)據(jù)挖掘?qū)崙?zhàn) |
1.Spark Mllib介紹 2.Spark mllib 實(shí)現(xiàn)K-means應(yīng)用 3.Spark mllib 實(shí)現(xiàn)貝葉斯應(yīng)用 4.Spark mllib 實(shí)現(xiàn)決策時(shí)應(yīng)用 5.Spark mllib 實(shí)現(xiàn)隨機(jī)森林應(yīng)用 6.基于Spark mllib實(shí)現(xiàn)信用卡挖掘模型應(yīng)用 |
|
第二天： 模塊五： TensorFlow Al深度學(xué)習(xí)平臺(tái)及其應(yīng)用實(shí)踐(1) |
1.TensorFlow: 一個(gè)Al深度學(xué)習(xí)框架的概述 2.TensorFlow深度學(xué)習(xí)平臺(tái)的工作機(jī)制和系統(tǒng)架構(gòu) 3.TensorFlow的安裝、部署、配置和使用 4.TensorFlow的應(yīng)用場(chǎng)景和應(yīng)用案例 |
|
模塊六： TensorFlow Al深度學(xué)習(xí)平臺(tái)及其應(yīng)用實(shí)踐(2) |
1.TensorFlow CNN應(yīng)用操作 2.TensorFlow LSTM應(yīng)用操作 3.TensorFlow在圖像識(shí)別的實(shí)驗(yàn)操作 4.基于TensorFlow的可視化工具：5.Tensorboard簡(jiǎn)介 6.Tensorboard的部署、配置和應(yīng)用界面操作 7.基于TensorFlow和Tensorboard進(jìn)行實(shí)驗(yàn)操作 |
|
模塊七： Keras人工智能平臺(tái)應(yīng)用實(shí)踐 |
1.業(yè)界常用的AI平臺(tái)：Keras人工智能平臺(tái)架構(gòu) 2.Keras Al平臺(tái)的部署與配置 3.Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制 4.Keras實(shí)驗(yàn)操作 |
|
模塊八： 人工智能應(yīng)用案例介紹 |
1.人工智能在金融行業(yè)的使用案例介紹 2.人工智能在保險(xiǎn)行業(yè)的使用介紹 3.人工智能實(shí)現(xiàn)機(jī)器人的案例介紹 |
|
第一天 模塊一： 人工智能的行業(yè)應(yīng)用與發(fā)展 1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析 2.人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例 3.人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用 4.人工智能在制造業(yè)領(lǐng)域的應(yīng)用 5.人工智能在金融、消費(fèi)領(lǐng)域的應(yīng)用 |
|
模塊二： Python數(shù)據(jù)挖掘快速入門 1.Python語(yǔ)言基礎(chǔ)快速入門 2.科學(xué)計(jì)算庫(kù)Numpy 3.數(shù)據(jù)分析處理庫(kù)Pandas 4.可視化庫(kù)Matplotlib 5.人工智能必備Python基礎(chǔ) |
|
模塊三： Scikit-learn實(shí)戰(zhàn) 1.Scikit-learn庫(kù)介紹 2.Scikit-learn安裝 3.基于Scikit-learn的常用挖掘算法實(shí)戰(zhàn) 4.基于Scikit-learn數(shù)據(jù)挖掘流程 — 數(shù)據(jù)讀取 —數(shù)據(jù)標(biāo)準(zhǔn)化 —特征提取 —升維和降維 |
|
模塊四： python基于Spark的數(shù)據(jù)挖掘?qū)崙?zhàn) 1.Spark Mllib介紹 2.Spark mllib 實(shí)現(xiàn)K-means應(yīng)用 3.Spark mllib 實(shí)現(xiàn)貝葉斯應(yīng)用 4.Spark mllib 實(shí)現(xiàn)決策時(shí)應(yīng)用 5.Spark mllib 實(shí)現(xiàn)隨機(jī)森林應(yīng)用 6.基于Spark mllib實(shí)現(xiàn)信用卡挖掘模型應(yīng)用 |
|
第二天： 模塊五： TensorFlow Al深度學(xué)習(xí)平臺(tái)及其應(yīng)用實(shí)踐(1) 1.TensorFlow: 一個(gè)Al深度學(xué)習(xí)框架的概述 2.TensorFlow深度學(xué)習(xí)平臺(tái)的工作機(jī)制和系統(tǒng)架構(gòu) 3.TensorFlow的安裝、部署、配置和使用 4.TensorFlow的應(yīng)用場(chǎng)景和應(yīng)用案例 |
|
模塊六： TensorFlow Al深度學(xué)習(xí)平臺(tái)及其應(yīng)用實(shí)踐(2) 1.TensorFlow CNN應(yīng)用操作 2.TensorFlow LSTM應(yīng)用操作 3.TensorFlow在圖像識(shí)別的實(shí)驗(yàn)操作 4.基于TensorFlow的可視化工具：5.Tensorboard簡(jiǎn)介 6.Tensorboard的部署、配置和應(yīng)用界面操作 7.基于TensorFlow和Tensorboard進(jìn)行實(shí)驗(yàn)操作 |
|
模塊七： Keras人工智能平臺(tái)應(yīng)用實(shí)踐 1.業(yè)界常用的AI平臺(tái)：Keras人工智能平臺(tái)架構(gòu) 2.Keras Al平臺(tái)的部署與配置 3.Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制 4.Keras實(shí)驗(yàn)操作 |
|
模塊八： 人工智能應(yīng)用案例介紹 1.人工智能在金融行業(yè)的使用案例介紹 2.人工智能在保險(xiǎn)行業(yè)的使用介紹 3.人工智能實(shí)現(xiàn)機(jī)器人的案例介紹 |
近期公開(kāi)課推薦
