人工智能的的的浪潮早已席卷全球，各式各样培训课程应时而生，但真正能让学员系统、各个领域掌握知识关键点，并且能融汇贯通的实战演练演习教学内容并罕见。本教学内容包含深度神经网络、深层神经元网络的重要界定及常用算法(决策树算法、关联规则、聚类算法、贝叶斯网络、神经元网络、svm算法、隐马尔科夫三维建模、遗传算法、CNN、RNN、GAN等)，以及人工智能制造行业现如今的实时。依据6天的系统学习、案例讲解和自学能力社会实践活动，让学员能基础迈入深度神经网络和深层神经元网络的技能神殿。
学习对象和基础
计算机相关专科本科在校生或理工科本科，至少熟悉一门编程语言。Java开发工程师，机器学习、开发、算法等工程师，人工智能、应用、应用开发等工程师，应用架构高级工程师，人工智能产品经理。
学习目标
掌握数据挖掘与机器学习基本知识;掌握数据挖掘与机器学习进阶知识;掌握深度学习的理论与实践;掌握Python开发技能;掌握深度学习工具：TensorFlow、Keras等;为学员的后续项目应用提供针对性的建议。
部分 初识机器学习：
概念与术语(人工智能、数据挖掘、机器学习);数据挖掘的对象;数据挖掘的关键技术;知识的表达;Python的安装;数据预处理;回归与时序分析;决策树
第二部分 机器学习中的典型算法：
聚类;关联规则;朴素贝叶斯与KNN;极大似然估计与EM算法;性能评价指标
第三部分 神经网络专题：
BP神经网络;模拟退火算法与其他神经网络;机器学习中的优化方法;遗传算法
第四部分 机器学习进阶：
支持向量机;隐马尔科夫模型;文本挖掘;从LSA到LDA
第五部分 机器学习进阶与深度学习初步：
利用无标签的样本;集成学习;强化学习;深度学习—;
第六部分 深度学习：
优化算法;避免过适应;典型应用场景;RNN、LSTM、GRU;GAN、DQN
地理位置 Location
