1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
       2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書(shū)，提升職業(yè)資質(zhì)。專(zhuān)注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書(shū)受到廣泛認(rèn)可。

第1部份 機(jī)器學(xué)習(xí)基礎(chǔ)，有監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)。機(jī)器學(xué)習(xí)與深度學(xué)習(xí)，人工智能的關(guān)系。部署Python機(jī)器學(xué)習(xí)環(huán)境，matplotlib、Numpy、Scipy、libsvm、OpenCV、pandas、Anaconda、scikit-learn、theano、Keras、Tensorflow。機(jī)器學(xué)習(xí)基礎(chǔ)算法在python下實(shí)現(xiàn)。Python與R，Julia等對(duì)比。
第2部份 從貝葉斯網(wǎng)到概率圖模型，貝葉斯統(tǒng)計(jì)學(xué)，貝葉斯思維，一切皆有貝葉斯。生成式模型與判別式模型。先驗(yàn)知識(shí)，貝葉斯統(tǒng)計(jì)在小數(shù)據(jù)學(xué)習(xí)中的應(yīng)用。pyMC部署。手機(jī)短信發(fā)送行為分析案例。
第3部份 吉布斯抽樣，在貝葉斯統(tǒng)計(jì)中采用MCMC。網(wǎng)站轉(zhuǎn)化率A/B測(cè)試案例。用貝葉斯回歸進(jìn)行金融預(yù)測(cè)的案例。
第4部份 決策樹(shù)，信息熵與相對(duì)熵，ID3，C4.5，CART等算法，剪枝過(guò)程。用scikit-learn實(shí)現(xiàn)決策樹(shù)。
第5部份 回歸樹(shù)。adaboost算法。提升樹(shù)，分類(lèi)提升樹(shù)，回歸提升樹(shù)。梯度提升。用決策樹(shù)構(gòu)建隨機(jī)森林。深度森林，及其與深度神經(jīng)網(wǎng)絡(luò)的對(duì)比？深度森林是否可以取代深度學(xué)習(xí)？
第6部份 XGboost，原理及實(shí)現(xiàn)。計(jì)算學(xué)習(xí)理論，機(jī)器學(xué)習(xí)是騙局嗎？VC維與樣本復(fù)雜度。超參數(shù)如何選擇？缺失數(shù)據(jù)處理方法。類(lèi)不平衡的處理。特征工程。與上述問(wèn)題有關(guān)的scikit-learn函數(shù)。
第7部份 在海量短信中定位垃圾短信，半監(jiān)督學(xué)習(xí)及其困難之處。聚類(lèi)假設(shè)與流形假設(shè)。從k-means衍生的半監(jiān)督學(xué)習(xí)算法。協(xié)同訓(xùn)練及其Python實(shí)現(xiàn)。co-forest算法，并應(yīng)用于醫(yī)學(xué)圖像分析，半監(jiān)督SVM及python實(shí)現(xiàn)。
第8部份 基于EM算法的半監(jiān)督學(xué)習(xí)生成式方法。基于圖的方法，label propagation和label spreading的python實(shí)現(xiàn)，多種半監(jiān)督學(xué)習(xí)方法效果比較。用label propagation進(jìn)行手寫(xiě)體識(shí)別。
第9部份 流形學(xué)習(xí)與降維，用scikit-learn實(shí)現(xiàn)流形學(xué)習(xí)
第10部份 凸優(yōu)化，梯度下降算法，永恒難題之局部極小值，SGD隨機(jī)梯度下降算法，python中實(shí)現(xiàn)梯度下降算法及SGD。梯度下降算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)，BP學(xué)習(xí)算法，用theano實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)各種訓(xùn)練框架和工業(yè)級(jí)實(shí)現(xiàn)，用tensorflow實(shí)現(xiàn)更復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。梯度下降算法在推薦系統(tǒng)中的應(yīng)用，構(gòu)筑一個(gè)新聞推薦系統(tǒng)
第11部份 凸優(yōu)化與支持向量機(jī)，核方法，支持向量回歸，核嶺回歸，應(yīng)用支持向量機(jī)作人臉識(shí)別。在python中利用libsvm實(shí)現(xiàn)支持向量機(jī)，python中實(shí)現(xiàn)核有關(guān)算法