1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

機器學習簡介

回歸算法理論與實戰：

1.一元線性回歸

2.代價函數

3.梯度下降法

4.使用梯度下降法實現一元線性回歸

5.標準方程法

6.使用sklearn實現一元線性回歸

7.多元線性回歸

8.使用sklearn實現多元線性回歸

9.特征縮放，交叉驗證法

10.過擬合正則化

11.嶺回歸

12.sklearn實現嶺回歸

13.LASSO回歸

14.sklearn實現LASSO回歸

決策樹算法理論與實戰

15.決策樹-信息熵,ID3,C4.5算法介紹

16.sklearn實現決策樹

17.決策樹-CART算法

18.決策樹應用

集成學習算法理論與實戰

19.Bagging介紹與使用

20.隨機森林介紹與使用

21.Adaboost介紹與使用

22.Stacking和Voting介紹與使用

泰坦尼克號獲救人員預測項目

KNN算法和決策樹算法理論與實戰

1.KNN算法介紹

2.python實現knn算法

3.sklearn實現knn算法完成iris數據集分類

聚類算法理論與實戰

4.k-means算法原理

5.k-means算法實現

6.DBSCAN算法原理

7.DBSCAN算法實現
神經網絡算法

8.神經網絡基本原理

9.單層感知器程序

10.線性神經網絡

11.激活函數，損失函數和梯度下降法

12.線性神經網絡異或問題

13.BP神經網絡介紹

14.BP算法推導

15.BP神經網絡解決異或問題

16.BP算法完成手寫數字識別

16.sklearn-BP神經網絡解決手寫數字識別

17.GOOGLE神經網絡平臺

特征工程貸款拖欠預測項目

用戶流失預測項目

Tensorflow（一）

1.深度學習框架介紹

2.Tensorflow安裝

3.Tensorlfow基礎知識：圖，變量，fetch，feed

4.Tensorflow線性回歸

5.Tensorflow非線性回歸

6.Mnist數據集合Softmax講解

7.使用BP神經網絡搭建手寫數字識別

8.交叉熵(cross-entropy)講解和使用

Tensorflow（二）

9.過擬合,正則化,Dropout

10.各種優化器Optimizer

11.改進手寫數字識別網絡

12.卷積神經網絡CNN的介紹

13.使用CNN解決手寫數字識別

14.長短時記憶網絡LSTM介紹

15.LSTM的使用

16.模型保存與載入

圖像識別項目

1.介紹Google圖像識別模型Inception-v3

2.使用Inception-v3做圖像識別

圖像識別項目

3.訓練自己的圖像識別模型

驗證碼識別項目

4.多任務學習介紹

5.生存驗證碼圖片

6.構建驗證碼識別模型

文本分類項目

7.文本分類任務介紹

8.word2vec介紹

9.使用CNN完成文本分類

10.使用LSTM完成文本分類

生成式對抗網絡GANs

11.GANs介紹

12.使用tensorflow完成GANs