深度学习 (DL,Deep Learning) 是机器学习 (ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能 (AI, Artificial Intelligence)。
深度学习背后的主要原因是人工智能应该从人脑中汲取灵感。此观点引出了“神经网络”这一术语。人脑中包含数十亿个神经元,它们之间有数万个连接。很多情况下,深度学习算法和人脑相似,因为人脑和深度学习模型都拥有大量的编译单元(神经元),这些编译单元(神经元)在独立的情况下都不太智能,但是当他们相互作用时就会变得智能。
“我认为人们需要了解到深度学习正在使得很多幕后的事物变得更好。深度学习已经应用于谷歌搜索和图像搜索,你可以通过它搜索像“拥抱”这样的词语以获得相应的图像。”
-杰弗里·辛顿(AI教父,谷歌副总裁兼工程研究员)
Python学术系列课程-编程基础,爬虫,文本,机器学习之后,
2022年Python学术系列新课上线:
Python机器学习进阶 远程+录播
三大主题:原理+学术应用+前沿进展
培训时长:24小时
培训方式:在线学习,提供资料及主讲老师答疑
培训费用:4200元 (含资料,录播,答疑)
在线报名:https://www.peixun.net/main.php?mod=buy&cid=1851
讲师介绍:
陈远祥,北京邮电大学副教授 。2014年毕业于北京大学,获通信与信息系统专业博士学位,2015年-2017年在北京大学做博士后研究。
发表SCI/EI学术论文100余篇,其中第一或通讯作者论文60余篇,申请发明专利20项。
主持国家自然科学基金面上项目,国家重点研发计划子课题,国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。
IEEE、OSA会员,Optics Express, IEEE Photonics Technology Letters,Photonics Journal,Applied Optics等多个SCI期刊审稿人。
课程内容:
一、 集成学习介绍与应用(8小时)
1. 集成学习的优势
2. 集成学习常用算法介绍:原理与实现
- 随机森林
- adaboost
- GBDT
- Xgboost
- Stacking
3. 集成学习算法的学术应用
二、 高级特征工程处理技术(8小时)
1、 特征工程的重要性
2、 常用特征工程处理技术:
- 特征选择
- 特征构造
- 特征转换
- 特征学习
3、 特征工程的在学术研究中的应用
三、 神经网络与深度学习(8小时)
1、 神经网络的引入,为什么需要深度学习?
2、 深度学习常用模型介绍与应用:
- 卷积神经网络与图像处理
- 循环神经网络与文本分析
- 多模态网络与应用
3、 深度学习在学术研究中的应用:
- 股票市场预测
- 信用风险评估
- 资产定价
报名流程:
1. 点击“ https://www.peixun.net/main.php?mod=buy&cid=1851”,在线提交报名信息;
2. 经管之家论坛账号登录,提交订单支付;
3. 确认发票信息,2个工作日发送电子版发票及通知;
4. 缴费后发资料拉群。
优惠:
陈远祥老师Python系统课程老学员8折优惠;
现场班老学员9折优惠;
折扣优惠不叠加。
联系方式:
尹老师
电话:13321178792
QQ:42884447
WeChat:JGxueshu