第一天
模块一：
人工智能的行业应用与发展 |
1.人工智能的行业图谱和行业发展割析
2.人工智能结合大数据的行业应用案例
3.人工智能在“互联网+”领域的应用
4.人工智能在制造业领域的应用
5.人工智能在金融、消费领域的应用 |
模块二：
Python数据挖掘快速入门 |
1.Python语言基础快速入门
2.科学计算库Numpy
3.数据分析处理库Pandas
4.可视化库Matplotlib
5.人工智能必备Python基础 |
模块三：
Scikit-learn实战 |
1.Scikit-learn库介绍
2.Scikit-learn安装
3.基于Scikit-learn的常用挖掘算法实战
4.基于Scikit-learn数据挖掘流程
— 数据读取
—数据标准化
—特征提取
—升维和降维 |
模块四：
python基于Spark的数据挖掘实战 |
1.Spark Mllib介绍
2.Spark mllib 实现K-means应用
3.Spark mllib 实现贝叶斯应用
4.Spark mllib 实现决策时应用
5.Spark mllib 实现随机森林应用
6.基于Spark mllib实现信用卡挖掘模型应用 |
第二天：
模块五：
TensorFlow Al深度学习平台及其应用实践(1) |
1.TensorFlow: 一个Al深度学习框架的概述
2.TensorFlow深度学习平台的工作机制和系统架构
3.TensorFlow的安装、部署、配置和使用
4.TensorFlow的应用场景和应用案例 |
模块六：
TensorFlow Al深度学习平台及其应用实践(2) |
1.TensorFlow CNN应用操作
2.TensorFlow LSTM应用操作
3.TensorFlow在图像识别的实验操作
4.基于TensorFlow的可视化工具：5.Tensorboard简介
6.Tensorboard的部署、配置和应用界面操作
7.基于TensorFlow和Tensorboard进行实验操作 |
模块七：
Keras人工智能平台应用实践 |
1.业界常用的AI平台：Keras人工智能平台架构
2.Keras Al平台的部署与配置
3.Keras技术实现与工作机制
4.Keras实验操作 |
模块八：
人工智能应用案例介绍 |
1.人工智能在金融行业的使用案例介绍
2.人工智能在保险行业的使用介绍
3.人工智能实现机器人的案例介绍 |
首 页 培训最新动态
总部李老师
