人工智能-机器学习与深度学习

前沿技术 / 2020-10-23 11:49:26
人工智能-机器学习与深度学习
    马上咨询


    柯老师  美国硅谷录克软件设计公司（iFrogLab）首席技术运行长

    专长与经历：曾多次获设计比赛大奖；为大型上市公司（如美国SanDisk、国泰世华银行、昱泉国际、中国移动、海信电视等）开发手机应用软件和多项硬件穿戴式设备产品；在Android和iOS平台上开发销售近百款软件。曾任大陆工信部电子视像行业协会数位平台推进中心顾问和台湾工研院资通所顾问。授课地点遍及美国硅谷、台湾、大陆等地，并应邀在美国相关iOS开发者大会、台北Computex展、上海GDC大会等活动担任演讲者。并在这20年间为上百家国内外大型企业内训课程的指定讲师，并为大学的讲师进行培训讲师。

    著作：「Raspberry Pi 最佳入门与实战应用」、「Raspberry Pi 超炫专案与完全实战」、「Android 变形金刚：编程实战应用」、「Arduino交互设计专题与实战」等三十馀本计算机书籍。

    课程概述与目标

    人工智能 (Artificial Intelligence, AI)会是新的一波电脑机会，在Google DeepMind AlphaGo 战胜人类围棋高手后，AI并在自动驾驶上取得快速的进步，而人工智能已经陆续在制造业的机器视觉、警方使用的人脸辨识，和手机上的语音助理，Amazon Echo Dot都是人工智慧应用的实例。

    本课程内容的AI透过深度学习(Deep Learning)和机器学习(Machine Learning)的一种，让电脑自动学习和校正准确率领域，并透过DNN、CNN、RNN各式类神经网路学习演算法，开发和时作在制造业人工视觉、自然语言处理、语意分析及医学影像判读等领域应用程序的实际落地的课程。在巨量数据中如何摸索出数据所要表达的意涵、提炼出「数据精华」是非常重要的课题，「机器学习（Machine Learning）」与「数据探勘（Data Mining）」便成为大数据时代中的重点领域。本课程，现已成为大数据趋势中的重点，预期将能指导学员通过实作方法，灵活爬取大型网站的数据，并依照自定规则获得所需的数据。课程将配合Python样例代码介绍学习演算法，示范如何捕获数据、训练数据、创建模型、预测结果，图表化、分析结果。课程内容也包含扎实的数据基础、高等代数、概率及统计分析，学员需具备一定程度的计算器基础，将传授数据分析相关知识和高等数学及数据分析基础概念。

    本课程特聘国际知名技术专家－柯老师，实机操作和数据分析撰写Python程序，并实际撰写数据分析程序和报表。

    实作环境与方法

    课程采用PC进行实作练习。

    课程内容
    第一天
    • 人工智能、深度学习介绍  
      •  TensorFlow 安装      
      •  Windows 作业系统Python安装
      • 安装Tensorflow       
      •  TensorFlow测试


    • Tensorflow GPU介绍      
      • 安装NVIDIA 的CUDA® Toolkit 9.0    
      • 安装NVIDIA 的cuDNN v7.2.1　  
      • 安装Python的Tensorflow-GPU 函示库    
      • 开发Tensorflow-GPU 程序    
      • 通过程序指定GPU或多个GPU执行运算     
      • 指定 GPU 显示卡内存用量上限


    • 人工智能程序的开发  
      • 产生训练数据     
      • 创建模型     
      • 编译和训练  
      • 测试正确率  
      • 预测
      • 案例实战：酒类分级和酒类等级预测
      • 案例实战：糖尿病预测
      • 案例实战：房价走势预测
      • 案例实战：乳房癌症机率预测


    • 改善MLP人工智能类神经模型       
      • 模型model 不同的写法
      •  TensorFlow与Keras函示库的关系和差异   
      •  One-hot Encoding单热编码 
      • 处理多个的特征值X  
      • 改善预测结果-深度学习训练次数epochs     
      • 改善预测结果- 增加神经元和隐藏层      
      • 改善训练结果- 增加训练数据集      
      • 如何达到预测100％正确


    • TensorFlow花的辨识-MLP     
      • 植物辨识数据库--训练和测试的数据      
      • 多层感知器模型MLP(multilayer perceptron)    
      • 使用TensorFlow.keras 创建模型   
      • 激活函数ReLU,sigmoid和tanh    
      • 训练模型     
      • 深度学习最佳化-最短路径演算法    
      • 训练循环Fit
      • 实战练习：判别植物的种类


    • TensorFlow 访问模型和训练结果  
      • 图形显示训练过程     
      • TensorBoard 的使用  
      • 保存模型和训练后的结果  
      • 读入使用训练模和训练后的结果


    • TensorFlow实战图形和手写辨识MLP       
      • 手写数据MNIST       
      • 下载和使用MNIST手写数据   
      •  MNIST每一笔的Image数据内容  
      • 使用图形显示MNIST内的数据       
      • 图形文字的辨识原理  
      • 特征值增强度和单热编码  
      • 使用多层类神经MLP模型


    • TensorFlow 卷积神经网络CNN    
      • 什么是卷积类神经（CNN）      
      • 使用CNN做手写图像辨识 
      • CNN手写辨识达到99%的辨识率


    • OpenCV环境安装、使用和调试设置
      •  OpenCV 2和OpenCV 3差异
      •  Python 版本、Java 版本和C版本的差异
      •  OpenCV 3和Python 语言的处理
      •  OpenCV 跨平台开发技术和方法
      • 显示图片、图档转换
      • 显示影片、影片格式转换
      • 颜色调整、灰度
      • 亮度调整、颜色过滤Hue
      • 放大缩小旋转
      •  GUI 按键、文字、bar 等组件控制
      • 绘图效果，圆、线、点、方块、倒色
      • 画面特效之模糊、清晰等多种画面特效
      • 获取特定颜色
      • 边缘化


    • OpenCV 和TensorFlow 卷积神经网络CNN即时辨识     
      •  OpenCV介绍     
      •  OpenCV 安装和环境架设
      •  OpenCV显示图片     
      •  OpenCV 手写程序    
      • 即时手写辨识APP-99%的正确率
    第二天
    • TensorFlow CNN 对彩色图片的处理
      • 图片材质的训练  
      • 图片材质的数据库处理     
      • 判别车辆动物：辨识 飞机、汽车、鸟、猫、鹿、狗、青蛙、船、卡车
      •  Cifar-10影像介绍
      • 输入CIFAR-10 影像辨识数据集
      • 显示图形
      • 预处理 Tensorflow.Keras的输入数据
      • Onehotencoing
      •  CNN预处理Keras的输入数据、进行训练、和判别


    • OpenCV 和TensorFlow CNN 即时人脸判别和脸部辨识实名制
      •  OpenCV显示摄影机 
      •  OpenCV cascade
      •  OpenCV 获取脸部
      •  OpenCV 储存图片    
      •  TensorFlow     对人脸的训练
      •  TensorFlow     对人脸的预测
      • 实际案例：即时使用和TensorFlow 判别同事的脸，并显示出名字


    • 使用TensorFlow CNN 对彩色图片的处理
      • 图片材质的训练  
      • 图片材质的数据库处理     
      • 判别车辆动物：辨识 飞机、汽车、鸟、猫、鹿、狗、青蛙、船、卡车
      •  Cifar-10影像介绍
      • 输入CIFAR-10 影像辨识数据集
      • 显示图形
      • 预处理 Tensorflow.Keras的输入数据
      • Onehotencoing
      •  CNN预处理Keras的输入数据、进行训练、和判别


    • OpenCV 判别摄影机中的多个物体
      •  OpenCV 高斯边缘化
      •  OpenCV 计算面积
      •  OpenCV 多个物体获取    
      •  OpenCV 多个物体获取储存图片


    • OpenCV 和TensorFlow CNN 即时物体判别
      •  TensorFlow     对物体的训练
      •  TensorFlow     对物体的预测
      • 实际案例：即时使用和TensorFlow 判别摄影机中的多的物体，并显示出物体名称


    • Tensorflow 人工智能跨平台开发
      • Tensorflow 人工智能 WebService 开发
      • Tensorflow 人工智能网页开发
      • Tensorflow Java Android 开发
      • Tensorflow C 开发


    • RNN人 和     LSTM 工智能演算法实战一：音乐产生器
      • 如何使用Keras中的LSTM神经网络生成音乐
      • Music21 的音乐格式
      • 转换Midi音乐到Numpy 格式
      • 类神经局域网的输入端数据
      • 声音训练、准备训练组、测试数据与预测    
      • 生成音乐
      • 将结果转回音乐
      • 享受音乐
      • 实战：学习古典乐，并创作古典乐


    • TensorFlow 语言文字解析
      • TensorFlow　RNN介绍


    • RNN人 和     LSTM 工智能演算法实战二：垃圾 eMail 判别器
      • 文字转数据
      • 中文字处理
      • 文字对照表的产生
      • 文字训练、准备训练组、测试数据与预测    
      • 实战：垃圾eMail 判别器


    • 类神经和激活函数的数学演算法
      • ReLU 和　Leaky Relu
      • sigmoid
      • tanh
      • ELU
      • Maxout
      • overfit
      • underfitting
      • Dropout
      • Max2D
      • Adam


    最新动态

    点击阅读更多内容
    返回顶部