课程

课程介绍

本课程重点讲解深度学习的模型,包括CNN卷积神经网络、RNN循环神经网络(LSTM)模型的算法及其应用、Connectionist   Temporal Classification算法及其应用,如GoogleNet,Fully Convolutional   Networks模型深入理解与应用,以及深度学习训练数据集的准备,深度学习的发展趋势,文字检测与识别算法的发展历程,以及文本分析在深度学习技术下的新应用。在深度学习实践方面,本课程基于Caffe和Tensorflow深度学平台开展实践教学,对算法的具体内涵和应用场景进行深度剖析和讲解。 

培训对象

数据分析数据挖掘相关人员

课程收益

1. 了解Spark机器学习系统
2. 了解Spark MLlib架构
3. 掌握大数据分析Spark接口
4. 掌握深度学习Tensorflow框架
5. 掌握深度学习Caffe框架
6. 结合张粤磊老师多年行业实践经验以案例讨论的方式为学员后续项目应用提供针对性的建议参考

知识概要

机器学习
机器学习系统架构
大数据分析Spark MLlib
大数据分析Spark接口
深度学习
深度学习与人工智能

课程大纲

模块

学习内容

第一天 上午

机器学习

大数据分析与机器学习、人工智能及深度学习

机器学习的基本任务

如何选择合适算法

Spark在机器学习方面的优势

案例研讨:

大数据分析与机器学习、人工智能及深度学习

第一天 下午

机器学习系统架构

机器学习系统架构

构建Spark机器学习系统

特征提取、转换和选择

模型选择或调优

ML Pipelines

案例研讨

机器学习系统架构

第二天 上午

大数据分析Spark MLlib

Spark MLlib架构

数据类型

基础统计

构建Spark ML推荐模型

构建Spark ML分类模型

案例研讨

Spark ML机器学习

第二天 上午

大数据分析Spark接口

R数据分析

Spark R简介

pyspark 简介

SparkDataFrame数据结构说明

Spark Streaming简介

案例练习

Pyspark进行深度学习

第三天 上午

深度学习

深度学习与TensorFlow简介

TensorFlowOnSpark简介

卷积神经网络简介

TensorFlow实现卷积神经网络

循环神经网络简介

TensorFlow实现循环神经网络

在Pyspark集群环境运行TensorFlow

案例研讨

大数据分析与深度学习关系?

第三天 下午

深度学习与人工智能

人工智能简介

深度学习与智能客服

深度学习与无人驾驶

深度学习与人脸识别

深度学习高级应用案例

案例研讨

结合业务深度学习应用场景设计,张粤磊老师针对方案点评评比及后续建议

认证过程

无考试认证

开班信息

暂无开班信息

相关课程