【培訓對象】
計算機相關專業本科；或理工科本科，且至少熟悉一門編程語言。

【培訓收益】
掌握數據挖掘與機器學習基本知識； 掌握數據挖掘與機器學習進階知識； 掌握深度學習的理論與實踐； 掌握Python開發技能； 掌握深度學習工具：TensorFlow、Keras等； 為學員的后續項目應用提供針對性的建議。

【課程大綱】（培訓內容可根據客戶需求調整）
時間 內容 案例實踐與練習
Day1初識機器學習
上午
概述入門
數據預處理 概述（第一天——1）
1、概念與術語（人工智能、數據挖掘、機器學習）
2、數據挖掘的對象
3、數據挖掘的關鍵技術
4、知識的表達
5、Python的安裝

數據預處理（第一天——2）
1、數據清理
2、規范化
3、模糊集
4、粗糙集
5、無標簽時：PCA
6、有標簽時：Fisher線性判別
數據壓縮（DFT、小波變換） 案例實踐：
1、python安裝
2、Tensorflow安裝
3、PCA的實驗
4、DFT的實驗
Day1初識機器學習
下午
回歸與時序分析
決策樹 回歸與時序分析 （第一天——3）
1、線性回歸
2、非線性回歸
3、logistics回歸
4、平穩性、截尾與拖尾
5、ARIMA

決策樹（第一天——4）
1、分類和預測
2、熵減過程與貪心法
3、ID3
4、C4.5
5、其他改進方法
決策樹剪枝 案例實踐：
1、回歸的實驗
2、ARIMA預測實驗
3、決策樹的實驗

Day2機器學習中的典型算法
上午
聚類
關聯規則
樸素貝葉斯與KNN 聚類（第二天——1）
1、監督學習與無監督學習
2、K-means與k-medoids
3、層次的方法
4、基于密度的方法
5、基于網格的方法
6、孤立點分析

關聯規則（第二天——2）
1、頻繁項集
2、支持度與置信度
3、提升度
4、Apriori性質
5、連接與剪枝

樸素貝葉斯與KNN（第二天——3）
1、KNN
2、概率論基礎：條件概率、聯合概率、分布、共軛先驗。
3、“概率派”與“貝葉斯派”
4、樸素貝葉斯模型
案例實踐：
1、鳶尾花數據的聚類
2、超市購物籃——關聯規則分析
3、樸素貝葉斯案例：皮馬印第安人患糖尿病的風險
Day2機器學習中的典型算法
下午
極大似然估計與EM算法
性能評價指標 極大似然估計與EM算法（第二天——4）
1、極大似然估計
2、對數似然函數
3、EM算法

性能評價指標（第二天——5）
1、準確率；精確率、召回率；F1
2、真陽性率、假陽性率
3、混淆矩陣
4、ROC與AUC
5、對數損失
6、Kappa系數
7、回歸：平均絕對誤差、平均平方誤差
8、聚類：蘭德指數、互信息
9、k折驗證 案例實踐：
1、正態分析的參數估計
2、EM算法應用案例：雙正態分布的參數估計
3、繪制ROC并計算AUC、F1
4、繪制擬合曲線，計算擬合優度
Day3神經網絡專題
上午
BP神經網絡
模擬退火算法與其他神經網絡 BP神經網絡 （第三天——1）
1、人工神經元及感知機模型
2、前向神經網絡
3、sigmoid
4、徑向基函數神經網絡
5、誤差反向傳播

模擬退火算法與其他神經網絡 （第三天——2）
1、模擬退火算法
2、Hopfield網絡
3、自組織特征映射神經網絡（SOM）
4、受限布爾茲曼機 案例實踐：
1、可以手算的神經網絡
2、神經網絡模擬一個圓錐曲面
3、“貨郎擔”問題（模擬退火算法）
4、識別破損的字母（Hopfield網絡）
5、聚類的另一種解法（SOM）
Day3神經網絡專題

下午
機器學習中的最優化方法
遺傳算法 機器學習中的最優化方法（第三天——3）
1、參數學習方法
2、損失函數（或目標函數）
3、梯度下降
4、隨機梯度下降
5、牛頓法
6、擬牛頓法

遺傳算法 （第三天——4）
1、種群、適應性度量
2、交叉、選擇、變異
3、基本算法 案例實踐：
1、隨機梯度下降的例子
2、牛頓法求Rosenbrock(香蕉函數)的極值
3、“同宿舍”問題：遺傳算法

Day4機器學習進階
上午
支持向量機
隱馬爾科夫模型 支持向量機 （第四天——1）
1、統計學習問題
2、支持向量機
3、核函數
4、多分類的支持向量機
5、用于連續值預測的支持向量機

隱馬爾科夫模型（第四天——2）
1、馬爾科夫過程
2、隱馬爾科夫模型
3、三個基本問題（評估、解碼、學習）
4、前向-后向算法
5、Viterbi算法
6、Baum-Welch算法
案例實踐：
1、SVM：iris的三個分類
2、HMM示例：天氣與地表積水、罐中的彩球
3、HMM之前向算法：擲骰子的序列
4、HMM之viterbi算法：是否生病了？
Day4機器學習進階
下午
文本挖掘
從LSA到LDA 文本挖掘（第四天——3）
1、文本分析功能
2、文本特征的提取
4、TF-IDF
5、文本分類
5、文本聚類

從LSA到LDA（第四天——3）
1、LSA
2、pLSA
3、LDA
案例實踐：
1、英文文本分析；
2、中文文本分析：《絕代雙驕》
3、中文語句情感分析
4、LSA和LDA的比較

Day5機器學習進階與深度學習初步
上午
利用無標簽的樣本
集成學習 利用無標簽的樣本（第五天——1）
1、半監督學習
2、直推式學習
3、主動學習

集成學習（第五天——2）
1、bagging
2、co-training
3、adaboost
4、隨機森林
5、GBDT 案例實踐：
1、半監督學習：SVM標簽擴展；
2、主動學習：手寫數字
3、bagging、adaboost、RF、GBDT的例子
Day5機器學習進階與深度學習初步
下午
強化學習
深度學習-1 強化學習（第五天——3）
1、agent的屬性
2、exploration and exploitation
3、Bellman期望方程
4、最優策略
5、策略迭代與價值迭代
6、Q學習算法

深度學習-1（第五天——4）
1、連接主義的興衰
2、深度學習與神經網絡的區別與聯系
3、目標函數
4、激勵函數
學習步長 案例實踐：
1、強化學習示例：走迷宮
2、強化學習：谷底的小車
3、深度學習示例：模式識別
Day6深度學習
上午
深度學習-2
深度學習-3 深度學習-2（第六天——1）
1、優化算法
2、Adagrad
3、RMSprop
4、Adam
5、避免過適應

深度學習-3（第六天——2）
1、典型應用場景
2、CNN
3、各種CNN
4、RNN
LSTM、GRU 案例實踐：
1、CNN的準備示例
2、CNN處理MNIST手寫數字數據集
3、RNN準備示例
4、RNN分析股票趨勢
5、LSTM的準備示例

Day6深度學習
下午
深度學習-4 1、GAN
2、DQN
案例實踐：
1、DQN結合CNN：“flappy bird”

【授課環境】
講課環境要能上網

【預裝機要求】
要裝Tensorflow和anaconda+python這兩個軟件，
其中anaconda+python下載地址是：https://www.anaconda.com/download/#macos；

其中Tensorflow的安裝方法：
如果是沒有GPU設備的機器：先裝anaconda+python，然后在python環境中，pip install tensorflow即可；
如果是有GPU設備的機器，參考以下教程：https://blog.csdn.net/gangeqian2/article/details/79358543或https://blog.csdn.net/weixin_39290638/article/details/80045236 

 

葉梓，上海交通大學計算機專業博士畢業，高級工程師。主研方向：數據挖掘、機器學習、人工智能。歷任國內知名上市IT企業的AI技術總監、資深技術專家，市級行業大數據平臺技術負責人。

 

長期負責城市信息化智能平臺的建設工作，開展行業數據的智能化應用研發工作，牽頭多個省級、市級行業智能化信息系統的建設，主持設計并搭建多個省級、市級行業大數據平臺。參與國家級人工智能課題，牽頭上海市級人工智能示范應用課題研究。

 

帶領團隊在相關行業領域研發多款人工智能創新產品，成功落地多項大數據、人工智能前沿項目，其中信息化智能平臺項目曾榮獲：“上海市信息技術優秀應用成果獎”。帶領團隊在參加國際NLP算法大賽，獲得Top1%的成績。參與國家級、省級大數據技術標準的制定，曾獲省部級以上的科技創新一等獎。

 

1.      論文發表/項目經歷

在國內外期刊、會議中發表論文27篇，其中被SCI/EI收錄4篇

 

項目經歷：

l  上海市城市信息化人工智能項目 項目負責人

ü  研發智能服務系統，包括：元宇宙與虛擬數字人、基于人工智能的內容生成（AIGC）、基于NLP技術的對話系統、基于深度學習的圖像識別系統、基于智能推理的行業推薦系統。

相關工作：

作為項目總負責，負責項目管理、產品研發、系統分析、技術指導、算法指導等。

 

l  上海市城市智能信息化工程 總工程師

ü  采用大數據技術，建設市級信息平臺，完成試點單位接入并采集居民相關信息，實現市級平臺檔案等服務，并實現所有單位的全面接入。

ü  為解決超量數據的存儲與計算的問題，搭建了存儲全市數據的云計算平臺，并在其上進行了基于大數據的分析和挖掘工作。

相關工作：

作為總工程師，負責技術管理、系統分析、云平臺數據存儲設計、數據分析與挖掘指導、開發指導。

 

l  上海市城市信息化領域智能聯網工程 技術經理

ü  建設內容包括：接入單位的聯網；智能卡的實現；城市信息化智能平臺的升級；科研平臺的擴展與升級；建立決策支持系統；評估體系的展示設計；短信平臺的實現；違規操作的提醒；協同智能服務平臺的實現等。

相關工作：

作為技術經理負責總體架構設計、接口設計、大數據平臺設計、AI技術指導等。

 

 

3. 主攻方向

具有扎實的數據挖掘、機器學習、深度學習等人工智能理論基礎；了解AIGC等技術前沿動態。

精通機器學習、深度學習的理論、模型、算法、調優等；精通算法設計；

熟悉深度學習在自然語言處理、計算機視覺兩大核心領域的實用技巧；

15年以上的程序開發經驗，熟悉常用程序開發架構，獨立完成多個產品級軟件的設計與開發。

 

• 人工智能機器學習算法在項目中的實戰

   

  一．介紹機器學習，什么是機器學習a) 簡單介紹機器學習，數據挖掘b) 機器學習和數據挖掘的基本概念和原理c) 機器學習用來解決什么問題機器學習的應用場景1) 機器學習應用場景之一------分類以及分類的應用場景a) 分類概念b) 分類的應用c) 分類和聚類、推薦的區別d) 分類工作原理e) 分類中概念術語..

  ￥   元/ 天

  人氣：1316  

  

• 人工智能機器學習與深度學習實戰案例及應用

   

  章節 內 容 第一節 ..

  ￥   元/ 天

  人氣：1223  

  

• 機器學習閉環系統設計方法

   

  第一章. 機器學習和深度學習系統設計方法論a)機器學習和深度學習的概念和區別b)人工智能算法工程師的日常工作流程c)傳統機器學習的系統設計方法d)人工智能時代深度學習的系統設計方法第二章.機器學習和深度學習人工智能的常見開發流程a)洞悉公司業務業務邏輯痛點，抽象出計算機解決方法方案b)數據清洗和預處理c)構建數據集，數..

  ￥   元/ 天

  人氣：1237  

  

• 人工智能深度學習培訓大綱

   

  時間安排 課程內容 第 一 ..

  ￥   元/ 天

  人氣：1362  

  

• 北京游學京東游學考察學習培訓

   

  游學京東行程安排（第一天） 時間 具體安排 ..

  ￥   元/ 天

  人氣：1482  

  

• 北京海底撈公司游學考察學習培訓

   

  【考察背景】海底撈成立于1994年，是一家以經營川味火鍋為主、融匯各地火鍋特色為一體的大型跨省直營餐飲品牌火鍋店，全稱是四川海底撈餐飲股份有限公司。在簡陽、北京、上海、沈陽、天津、武漢、石家莊、西安、鄭州、南京、廣州、杭州、深圳、成都、韓國、日本、新加坡、美國等城市和國家有百余家直營連鎖餐廳。海底撈從1994年成立之初到現在，22年間以獨特的經營..

  ￥   元/ 天

  人氣：1949