课程介绍

课程讲授人是从事深度学习项目管理的人员，带队完成了数十个AI项目，内容不仅包括深度学习、机器学习、数据挖掘等具体技术要点，也包括AI的整体发展、现状、应用、商业价值、未来方向等，涵盖内容非常丰富。

课程收益 

1，整体把握机器学习、深度学习、数据挖掘的发展方向

2，了解机器学习、深度学习、计算机视觉的技术框架

3，理解机器学习和深度学习的思维方式和关键技术

4，了解深度学习和机器学习在当前工业界的落地应用

5，了解AI顶会论文和最新技术热点

课程时长 

面授2天（6小时/天）

在线可压缩1天 （6小时/天）

课程大纲 

目 录

第一课：人工智能与数据挖掘概论.................................................................. 2

第二课 Python基础............................................................................................ 3

第三课：Python数据分析................................................................................. 4

第四课：机器学习核心原理和损失函数的理解：以回归分析为例............ 5

第五课：决策树和随机森林............................................................................... 5

第六课：支持向量机........................................................................................... 6

第七课：无监督学习与聚类............................................................................... 7

第八课：关联规则和挖掘算法........................................................................... 7

第九课：时间序列分析........................................................................................ 8

第十课：工程实践................................................................................................ 8

案例1：运行商中用户流失风险分析与预估.................................................... 8

案例2：客户贷款的风险分析和建模与评价.................................................... 8

案例3：股价价格因素分析与预测.................................................................... 8

案例4：信用卡欺诈检测..................................................................................... 8

案例5：购买意向预测......................................................................................... 8

案例6：新冠肺炎确诊病例预测........................................................................ 9

第一课：人工智能与数据挖掘概论

       人工智能概述与发展现状

       当前的机器学习、深度学习与模式识别、传统算法的区别和联系

       如何看待知识图谱

       推荐系统、广告点击率

       强化学习和AlphaGo、AlphaZero模型

       图像视频方向：目标检测/小目标检测/图像分类/情感识别/微表情识别/医学图像分析/图像语义分割/图像生成/图像检索/图像识别/目标跟踪/视频语义分割/视频语义分析

       自然语言处理方向：场景主题/文本检索/文档分类/中文自动分词/词性标注/语法分析/自然语言生成/文本匹配/信息抽取/机器翻译/自动摘要/手写体和印刷体字符识别/舆情分析/问答系统/场景文字检测/语义理解

       语音识别方向：语音识别/语音生成

       综合与总结：语音识别项目落地少的原因分析

代码和案例实践：

       传统IT产业项目案例分享：以某知名品牌的点读机产品为例

       交通气象等传统行业项目案例分享：以高速公路缴费系统的痛点为例

       医药健康领域项目案例分享：以染色体核型分析为例

       某运营商的光猫识别项目

      上市公司公告文本的并购分类为例

第二课 Python基础

       解释器Python2.7/3.x、IDE：Anaconda/Pycharm

       列表/元组/字典/类/文件

       Python安装与环境配置

       Python基本数据类型：list, dict, tuple, set等

       Python文件操作：txt, excel等

       Python 的标准库和第三方库

       Python高级用法：切片、迭代、map、filter、reduce

       典型图像处理

代码和案例实践：

      大素数计算与优化

      Benford定理

      公路堵车概率模型Nagel-Schreckenberg 实现

      负二项分布与比赛胜率

      本福特定律

      蝴蝶效应：Lorenz系统的三维绘制

第三课：Python数据分析

       Numpy/Scipy/Pandas/Matplotlib/Seaborn库

       Numpy基础属性与数组创建

       Numpy索引

       Numpy数学运算与常用分布

       Pandas数据处理与分析

       Pandas文件读写和个性化控制

       Pandas的concat与merge

       Matplotlib 基本图结构介绍

       基于Matplotlib绘制散点图、柱状图、等高线图、3D图等

       多图合并与图片文件存取

       Seaborn/PyEcharts等包的使用

       scikit-learn的介绍和典型使用

       逻辑回归、决策树、随机森林、SVM

       XGBoost、LightGBM

       多元高斯分布

       典型图像处理

       多种数学曲线

       多项式拟合

代码和案例实践：

       快速傅里叶变换FFT与信号处理

       Soble/Prewitt/Laplacian算子与卷积网络

       卷积与(指数)移动平均线

       股票数据分析

       缺失数据的处理和预测

       环境数据异常检测和分析

       快速傅里叶变换FFT

       图像处理与奇异值分解SVD

第四课：机器学习核心原理和损失函数的理解：以回归分析为例

       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：

       股票数据的特征提取和应用

       泰坦尼克号乘客缺失数据处理和存活率预测

       环境检测数据异常分析和预测

       模糊数据查询和数据校正方法

       PCA与鸢尾花数据分类

        二手车数据特征选择与算法模型比较

        广告投入与销售额回归分析

        鸢尾花数据集的分类

        TensorFlow实现线性回归

        TensorFlow实现Logistic回归

第五课：决策树和随机森林

       熵、联合熵、条件熵、KL散度、互信息

       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：

       随机森林与特征选择

       决策树应用于回归

       多标记的决策树回归

       决策树和随机森林的可视化

       葡萄酒数据集的决策树/随机森林分类

       泰坦尼克乘客存活率估计

第六课：支持向量机

       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

       3.葡萄酒数据分类

       4.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

第七课：无监督学习与聚类

       各种相似度度量及其相互关系

       Jaccard相似度和准确率、召回率

       Pearson相关系数与余弦相似度 

       PCA主成分分析

       深入理解主成分分析

       PCA的推广：kernel-PCA/ICA/BSS/NMF/SVD

       K-means与K-Medoids及变种

       层次聚类：自顶向下，自底向上

       AP算法(Sci07)/LPA算法及其应用

       密度聚类DBSCAN/DensityPeak(Sci14)

       谱聚类SC

       聚类评价和结果指标

代码和案例实践：

       1.K-Means++算法原理和实现

       2.向量量化VQ及图像近似

       3.并查集的实践应用

       4.密度聚类的异常值检测

       5.谱聚类用于图片分割

第八课：关联规则和挖掘算法

       项、事务

       支持度、置信度、lift值、Conviction

       关联规则算法详述

       频繁项集及其快速发现

       阈值选择问题

       BFS和DFS搜索策略

       计数法和交集法

       Apriori、Eclat

       FP-growth

代码和案例实践：

      1.商品和用户相关性分析与推荐

      2.用户相似性评价的不同方案与异同比较

      3.并查集的实践应用

      4.关联规则与SVD、LFM的实战区别

第九课：时间序列分析

       隐马尔科夫模型

       HMM与CRF

       ARIMA、时间序列分析

       一维卷积、指数平均和滑动平均、

       Prophet模型对时间序列分析的影像

       MaxPooling做光滑的trick

       Bi-LSTM双向循环网络

       Keras函数式API与回调函数

 代码和案例实践：

       时间序列算法：自回归、移动平均和整合模型

       股票走势可视化

       突变点分析

       股票预测模型建立

       模型训练

       预测与评估

第十课：工程实践

       案例1：运行商中用户流失风险分析与预估

       案例2：客户贷款的风险分析和建模与评价

       案例3：股价价格因素分析与预测

       案例4：信用卡欺诈检测

       案例5：购买意向预测

       案例6：新冠肺炎确诊病例预测

包括如下技术点：

       时间序列算法：自回归、移动平均和整合模型

       ARIMA、Prophet、HMM的综合应用

       股票走势可视化

       突变点

       模型评价指标

       对用户的搜索数据进行分词与词性过滤

       Word2vec词向量模型

       词向量与神经网络的应用

       词性标注方法

       条件随机场CRF简介

       数据探索性分析

       混淆矩阵

       特征选择与重要度计算

       XGBoost/LightGBM/catBoost

       样本重采样与模型融合

       特征选择与筛选

       机器学习的可解释性问题

       强分类器可否进行模型重合

       数据挖掘模型与规则提取