課程介紹
本課程講解深度學習的模型，包括CNN卷積神經網絡、RNN循環(huán)神經網絡（LSTM）模型的算法及其應用、Connectionist ? Temporal Classification算法及其應用，如GoogleNet，F(xiàn)ully Convolutional ? Networks模型深入理解與應用，以及深度學習訓練數(shù)據(jù)集的準備，深度學習的發(fā)展趨勢，文字檢測與識別算法的發(fā)展歷程，以及文本分析在深度學習技術下的新應用。在深度學習實踐方面，課程基于Caffe和Tensorflow深度學平臺開展實踐教學，對算法的具體內涵和應用場景進行深度剖析和講解。
培訓對象
數(shù)據(jù)分析數(shù)據(jù)挖掘相關人員。
課程收益
了解Spark機器學習系統(tǒng)；
了解Spark MLlib架構；
掌握大數(shù)據(jù)分析Spark接口；
掌握深度學習Tensorflow框架；
掌握深度學習Caffe框架。
知識概要
-- 機器學習；
-- 機器學習系統(tǒng)架構；
-- 大數(shù)據(jù)分析Spark MLlib；
-- 大數(shù)據(jù)分析Spark接口；
-- 深度學習；
-- 深度學習與人工智能。
課程大綱
機器學習
大數(shù)據(jù)分析與機器學習、人工智能及深度學習
機器學習的基本任務
如何選擇合適算法
Spark在機器學習方面的優(yōu)勢
案例研討：
大數(shù)據(jù)分析與機器學習、人工智能及深度學習
機器學習系統(tǒng)架構
機器學習系統(tǒng)架構
構建Spark機器學習系統(tǒng)
特征提取、轉換和選擇
模型選擇或調優(yōu)
ML Pipelines
案例研討
機器學習系統(tǒng)架構
大數(shù)據(jù)分析Spark MLlib
Spark MLlib架構
數(shù)據(jù)類型
基礎統(tǒng)計
構建Spark ML推薦模型
構建Spark ML分類模型
案例研討
Spark ML機器學習
大數(shù)據(jù)分析Spark接口
R數(shù)據(jù)分析
Spark R簡介
pyspark 簡介
SparkDataFrame數(shù)據(jù)結構說明
Spark Streaming簡介
案例練習
Pyspark進行深度學習
深度學習
深度學習與TensorFlow簡介
TensorFlowOnSpark簡介
卷積神經網絡簡介
TensorFlow實現(xiàn)卷積神經網絡
循環(huán)神經網絡簡介
TensorFlow實現(xiàn)循環(huán)神經網絡
在Pyspark集群環(huán)境運行TensorFlow
案例研討
大數(shù)據(jù)分析與深度學習關系？
深度學習與人工智能
人工智能簡介
深度學習與智能客服
深度學習與無人駕駛
深度學習與人臉識別
深度學習高級應用案例
案例研討
結合業(yè)務深度學習應用場景設計，張粵磊老師針對方案點評評比及后續(xù)建議
認證過程
無考試認證
開班信息
暫無開班信息