Python、Spark和TensorFlow人工智能培訓大綱
模塊一:
人工智能的行業(yè)應用與發(fā)展
1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
2.人工智能結合大數(shù)據的行業(yè)應用案例
3.人工智能在“互聯(lián)網+”領域的應用
4.人工智能在制造業(yè)領域的應用
5.人工智能在金融、消費領域的應用
模塊二:
Python數(shù)據挖掘快速入門
1.Python語言基礎快速入門
2.科學計算庫Numpy
3.數(shù)據分析處理庫Pandas
4.可視化庫Matplotlib
5.人工智能必備Python基礎
模塊三:
Scikit-learn實戰(zhàn) 1.Scikit-learn庫介紹
2.Scikit-learn安裝
3.基于Scikit-learn的常用挖掘算法實戰(zhàn)
4.基于Scikit-learn數(shù)據挖掘流程
— 數(shù)據讀取
—數(shù)據標準化
—特征提取
—升維和降維
模塊四:
python基于Spark的數(shù)據挖掘實戰(zhàn)
1.Spark Mllib介紹
2.Spark mllib 實現(xiàn)K-means應用
3.Spark mllib 實現(xiàn)貝葉斯應用
4.Spark mllib 實現(xiàn)決策時應用
5.Spark mllib 實現(xiàn)隨機森林應用
6.基于Spark mllib實現(xiàn)信用卡挖掘模型應用
模塊五:
TensorFlow Al深度學習平臺及其應用實踐(1) 1.TensorFlow: 一個Al深度學習框架的概述
2.TensorFlow深度學習平臺的工作機制和系統(tǒng)架構
3.TensorFlow的安裝、部署、配置和使用
4.TensorFlow的應用場景和應用案例
模塊六:
TensorFlow Al深度學習平臺及其應用實踐(2) 1.TensorFlow CNN應用操作
2.TensorFlow LSTM應用操作
3.TensorFlow在圖像識別的實驗操作
4.基于TensorFlow的可視化工具:5.Tensorboard簡介
6.Tensorboard的部署、配置和應用界面操作
7.基于TensorFlow和Tensorboard進行實驗操作
模塊七:
Keras人工智能平臺應用實踐
1.業(yè)界常用的AI平臺:Keras人工智能平臺架構
2.Keras Al平臺的部署與配置
3.Keras技術實現(xiàn)與工作機制
4.Keras實驗操作
模塊八:
人工智能應用案例介紹
1.人工智能在金融行業(yè)的使用案例介紹
2.人工智能在保險行業(yè)的使用介紹
3.人工智能實現(xiàn)機器人的案例介紹 |