课程介绍
本课程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，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
了解Spark机器学习系统；
了解Spark MLlib架构；
掌握大数据分析Spark接口；
掌握深度学习Tensorflow框架；
掌握深度学习Caffe框架。
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
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
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
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
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
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？
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