Python、知识图谱与深度学习培训_基础3天

Python深度学习与知识图谱培训

（基础部分）

【课程时长】

3天（6小时/天）

【课程简介】

人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握知识点，并且能学以致用的实战课程并不多见。本课程包含基于python的数据分析、深度学习的重要概念及常用算法（决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、隐马尔科夫模型、遗传算法、CNN等），以及人工智能领域当前的热点。通过3天的系统学习、案例讲解和动手实践，让学员能初步迈入机器学习、深度学习的知识殿堂。

【课程收益】

掌握Python开发技能；

掌握深度学习工具：TensorFlow、Keras、pytorch等；

掌握基于python的数据分析知识；

掌握数据挖掘与机器学习进阶知识；

掌握深度学习的基础理论与实践；

【课程特点】

本课程力图理论结合实践，强调从零开始，重视动手实践；课程内容以原理讲解为根本，以应用落地为目标。课程通过大量形象的比喻和手算示例来解释复杂的机器学习理论，既能将原理充分讲懂讲透，也避免了繁复而枯燥的公式推导。

【课程对象】

计算机相关专业本科；或理工科本科，且至少熟悉一门编程语言。

【主讲专家】

叶梓，博士、高级工程师。2005年上海交通大学计算机专业博士毕业，主研方向为数据挖掘、机器学习、人工智能等。现为某大型上市软件企业的人工智能团队技术负责人。在大数据、人工智能应用等方面有着丰富的工程实践经验。先后在SCI或EI期刊上发表论文4篇，在中文核心期刊上发表论文近20篇，并被百度学术收录。

【学员基础】

具备初步的IT基础知识

【课程大纲】（培训内容可根据客户需求调整）

时间

内容

案例实践与练习

Day1上午

基于python的实验环境

实验环境搭建

anaconda包的安装

pip install的技巧

通过anaconda配置多个环境

Jupyter Notebook的使用

绘图工具包matplotlib

opencv的安装

Tensorflow的安装

Pytorch的安装

paddlepaddle的安装

案例实践：

python安装

opencv安装与验证

Tensorflow安装与验证

Pytorch安装与验证

paddlepaddle安装与验证

Day1下午

Python基础

Python开发概述

Python的基本语法

引入外部包

常用的数据结构

定义函数

Python中的面向对象编程

文件读写

访问数据库

数据预处理

数据清理

规范化

无标签时：PCA

有标签时：Fisher线性判别

数据压缩（DFT、小波变换）

回归与时序分析

线性回归

非线性回归

logistics回归

案例实践：

元组、列表、字典、集合

PCA的实验

DFT的实验

回归的实验

Day2上午

基于python的数据分析

决策树模型

分类和预测

熵减过程与贪心法

ID3

C4.5

其他改进方法

决策树剪枝

聚类

监督学习与无监督学习

K-means与k-medoids

层次的方法

基于密度的方法

基于网格的方法

孤立点分析

案例实践：

决策树的实验

鸢尾花数据的聚类

手肘法分析NBA球队的最佳聚类个数

各种聚类方式的图形化展示

Day2下午

基于python实现的经典算法

关联规则

频繁项集

支持度与置信度

提升度

Apriori性质

连接与剪枝

性能评价指标（5）

精确率；

P、R与F1

ROC与AUC

对数损失

泛化性能评价：k折验证验证

案例实践：

超市购物篮——关联规则分析

皮马印第安人患糖尿病的风险

Day3上午

深度学习基础

BP神经网络

人工神经元及感知机模型

Sigmoid激活函数

前向神经网络的架构

梯度下降

误差反向传播详解

支持向量机

“双螺旋”问题

基本模型与惩罚项

求解对偶问题

核函数：映射到高维

从二分类到多分类

用于连续值预测的支持向量机

案例实践：

皮马印第安人糖尿病风险：验证多种模型

绘制ROC并计算AUC

手算神经网络BP算法

只用numpy，手推BPNN

SVM实现人脸识别应用

Day3下午

深度学习基础与CNN

深度学习基础

连接主义的兴衰

深度学习与神经网络的区别与联系

目标函数与激励函数

学习步长

权重初始化

权重衰减（Weight Decay）

梯度下降的方法：Adagrad \ RMSprop \ Adam

避免过适应

图像分类CNN

图像分类概述

AlexNet与ZF-Net

VGG（5层变为5组）

迁移学习

GoogLenet和Inception模块

模型退化与ResNet

DenseNet（充分利用特征）

最新的efficientnet

案例实践：

通过深度BP网络实现手写数字的识别

各种梯度下降方法的实战效果

Batch normalization的效果

案例实践：

VGG各层的可视化展现

迁移学习：猫狗大战

Resnet用于图像分类

【授课环境】

讲课环境要能上网