北京中科软培科技有限公司举办《2018机器学习与深度学习案例实践班》

2018年8月8日 8:00 至 2018年8月12日 18:00 ，北京中科软培科技有限公司在 杭州·万商国际酒店·举办《2018机器学习与深度学习案例实践班》，会议大约有50人参加。

会议通知

---

2018机器学习与深度学习案例实践班宣传图

关于“机器学习与深度学习案例实践班”通知

各有关单位：

为进一步推动高等院校机器学习与深度学习教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将机器学习与深度学习的最新实训内容带入课堂，特举办“机器学习与深度学习案例实践班”，具体由北京中科软培科技有限公司举办网址，本次培训由权威师资主讲，培训主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅。

一、培训目的：

通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。

二、时间地点：

2018年8月8日-12日   7日报到    杭州

三、培训对象：各高等院校数据科学相关专业、计算机科学技术、网络工程、软件工程、信息工程、信息管理、、统计学专业、应用数学专业、经济管理专业、市场营销专业等科研、教学带头人，骨干教师、博士生、硕士生；各高校教务处、科研处、信息中心、实验中心领导。对机器学习技术有兴趣和需求，愿意进行深入钻研的从业人员。                                                                                                   

四、颁发证书：

参加相关培训并通过考试的学员，可以获得：

工业和信息化部全国网络与信息技术考试管理中心中心颁发的-深度学习技能证书。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。

注：请学员带二寸彩照2张（背面注明姓名）、身份证复印件一张。

中科软培主要从事IT方向的前沿技术培训，本着为用户创造真正价值，围绕以用户为中心的价值观不断探索，在机器学习，深度学习，大数据、R语言、虚拟现实、增强现实等领域形成了完善的课程体系。学以致用，全部课程均已实战为主，采用理论与实战相结合的方式，实用的课程设计、精心施教的专家团队、严格的教学把关、细心周到的后期咨询，赢得众多客户的好评。

会议日程 （最终日程以会议现场为准）

---

第 一 节	Python与TensorFlow	解释器Python2.7/3.6与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/panda的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用 典型图像处理 多种数学曲线 多项式拟合 快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络	代码和案例实践： 卷积与(指数)移动平均线 股票数据分析 缺失数据的处理 环境数据异常检测和分析
第 二 节	回归分析	线性回归 Logistic/Softmax回归 广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头 最大熵模型 K-L散度	代码和案例实践： 1.股票数据的特征提取和应用 2.泰坦尼克号乘客缺失数据处理和存活率预测 3.环境检测数据异常分析和预测 4.模糊数据查询和数据校正方法 5.PCA与鸢尾花数据分类 6.二手车数据特征选择与算法模型比较 7.广告投入与销售额回归分析 8.鸢尾花数据集的分类 9.TensorFlow实现线性回归 10.TensorFlow实现Logistic回归 10.TensorFlow实现Logistic回归
第 三 节	决策树和随机森林	熵、联合熵、条件熵、KL散度、互信息 最大似然估计与最大熵模型 ID3、C4.5、CART详解 决策树的正则化 预剪枝和后剪枝 Bagging 随机森林 不平衡数据集的处理 利用随机森林做特征选择 使用随机森林计算样本相似度 异常值检测	代码和案例实践： 1.随机森林与特征选择 2.决策树应用于回归 3.多标记的决策树回归 4.决策树和随机森林的可视化 5.葡萄酒数据集的决策树/随机森林分类 6.泰坦尼克乘客存活率估计
第 四 节	SVM	线性可分支持向量机 软间隔 损失函数的理解 核函数的原理和选择 SMO算法 支持向量回归SVR 多分类SVM	代码和案例实践： 1.原始数据和特征提取 2.调用开源库函数完成SVM 4.葡萄酒数据分类 5.数字图像的手写体识别 5.MNIST手写体识别 6.SVR用于时间序列曲线预测 7.SVM、Logistic回归、随机森林三者的横向比较
第 五 节	卷积神经网络CNN	神经网络结构，滤波器，卷积 池化，激活函数，反向传播 目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet	代码和案例实践： 数字图片分类 卷积核与特征提取 以图搜图 人证合一 卷积神经网络调参经验分享
第 六 节	图像视频的定位与识别	视频关键帧处理 物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet	代码和案例实践： 迁移学习 人脸检测 OCR字体定位和识别 睿客识云 气象识别
第 七 节	循环神经网络RNN	RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构 编码器与解码器结构 特征提取：word2vec Seq2seq模型	代码和案例实践： 看图说话 视频理解 藏头诗生成 问答对话系统 OCR 循环神经网络调参经验分享
第 八 节	自然语言处理	语言模型Bi-Gram/Tri-Gram/N-Gram 分词 词性标注 依存句法分析 语义关系抽取 词向量 文本分类 机器翻译 文本摘要 阅读理解 问答系统 情感分析	代码和案例实践： 输入法设计 HMM分词 文本摘要的生成 智能对话系统和SeqSeq模型 阅读理解的实现与Attention
第 九 节	生成对抗网络GAN	生成与判别 生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN	代码和案例实践： 图片生成 看图说话 对抗生成神经网络调参经验分享
第 十 节	强化学习RL	为何使用增强学习 马尔科夫决策过程 贝尔曼方程、最优策略 策略迭代、值迭代 Q Learning SarsaLamda DQN A3C ELF	代码和案例实践： OpenAI 飞翔的小鸟游戏 基于增强学习的游戏学习 DQN的实现

会议嘉宾 （最终出席嘉宾以会议现场为准）

---

主讲专家：

邹博，中国科学院副研究员，天津大学软件学院创业导师，成立中国科学院邹博人工智能研究中心（杭州站），在翔创、天识、睿客邦等公司担任技术顾问，研究方向机器学习、深度学习、计算几何，应用于大型气象设备图像与文本挖掘、股票交易与预测、量子化学医药路径寻

优、传统农资产品价格预测和决策等领域。

参会指南

---

?RMB:4800元/人（含报名费、证书费、培训费、教材费、资料费）食宿统一安排费用自理。