第

一

节

Python与TensorFlow

解释器Python2.7/3.6与IDE：Anaconda/Pycharm

列表/元组/字典/类/文件

numpy/scipy/matplotlib/panda的介绍和典型使用

scikit-learn的介绍和典型使用

TensorFlow典型应用

典型图像处理

多种数学曲线

多项式拟合

快速傅里叶变换FFT

奇异值分解SVD

Soble/Prewitt/Laplacian算子与卷积网络

代码和案例实践：

卷积与(指数)移动平均线

股票数据分析

缺失数据的处理

环境数据异常检测和分析

第

二

节

 回归分析

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：

1.股票数据的特征提取和应用

2.泰坦尼克号乘客缺失数据处理和存活率预测

3.环境检测数据异常分析和预测

4.模糊数据查询和数据校正方法

5.PCA与鸢尾花数据分类

6.二手车数据特征选择与算法模型比较

7.广告投入与销售额回归分析

8.鸢尾花数据集的分类

9.TensorFlow实现线性回归

10.TensorFlow实现Logistic回归

第

三

节

决策树和随机森林

熵、联合熵、条件熵、KL散度、互信息

最大似然估计与最大熵模型

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：

1.随机森林与特征选择

2.决策树应用于回归

3.多标记的决策树回归

4.决策树和随机森林的可视化

5.葡萄酒数据集的决策树/随机森林分类

6.泰坦尼克乘客存活率估计

第

四

节

 SVM

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

4.葡萄酒数据分类

5.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

五

节

卷积神经网络CNN

神经网络结构，滤波器，卷积

池化，激活函数，反向传播

目标分类与识别、目标检测与追踪

AlexNet、VGGNet、GoogleLeNet

Inception-V3/V4

ResNet、DenseNet

代码和案例实践：

数字图片分类

卷积核与特征提取

以图搜图

人证合一

卷积神经网络调参经验分享

第

六

节

图像视频的定位与识别

视频关键帧处理

物体检测与定位

RCNN

Fast-RCNN、Faster-RCNN

MaskRCNN、YOLO

FaceNet

代码和案例实践：

迁移学习

人脸检测

OCR字体定位和识别

睿客识云

气象识别

第

七

节

基于skimage/OpenCV的图像处理

kimage来源、简介与安装

将视频转换为图像序列

图像可视化与几何作图

HSV、RGB与图像颜色空间的转换

图像增强与(局部)直方图均衡化

给予边缘区域的图像分割

gamma矫正和对数矫正

亮度区域检测与前景提取

图像边缘检测/特征提取与图像算子

代码和案例实践：

不同算子下的图像卷积

图像边缘检测与提取

前景分割与图像融合

regional maxima检测与应用

第

八

节

图像与视频处理

Gabor/Laplace/Prewitt/Roberts

Scharr/Sobel/Niblack/Wiener

图像形态学：开/闭/凸包/膨胀/腐蚀

双边滤波器/小波降噪/wiener滤波

角点检：Harris，Shi-Tomasi

SIFT、SURF算法

视频分析：Meanshift 和 Camshift 算法

代码和案例实践：

HAAR/HOG/LBP等特征应用

视频前景背景分析与异物检测

图像形态学与海报生成的应用

光流跟踪与车辆跟踪

第

九

节

循环神经网络RNN

RNN基本原理

LSTM、GRU

Attention

CNN+LSTM模型

Bi-LSTM双向循环神经网络结构

编码器与解码器结构

特征提取：word2vec

Seq2seq模型

代码和案例实践：

看图说话

视频理解

藏头诗生成

问答对话系统

OCR

循环神经网络调参经验分享

第

十

节

自然语言处理

语言模型Bi-Gram/Tri-Gram/N-Gram

词性标注

依存句法分析

语义关系抽取

词向量、文本分类

机器翻译、文本摘要

阅读理解、问答系统

情感分析

A3C、ELF

代码和案例实践：

输入法设计

HMM分词

文本摘要的生成

智能对话系统和SeqSeq模型

阅读理解的实现与Attention

第

十

一

节

生成对抗网络GAN

生成与判别

生成模型：贝叶斯、HMM到深度生成模型

GAN对抗生成神经网络

DCGAN、Conditional GAN

代码和案例实践：

图片生成

看图说话

对抗生成神经网络调参经验分享

第

十

二

节

强化学习RL

马尔科夫决策过程

贝尔曼方程、最优策略

策略迭代、值迭代

Q Learning

SarsaLamda

DQN

A3C

ELF

代码和案例实践：

OpenAI

飞翔的小鸟游戏

基于增强学习的游戏学习

DQN的实现

第十三节 --- 交流研讨与培训考核（8月7日）