人工智能应用深度培训

课程介绍

本课程在实践方面,结合Spark   MLlib、DL4J实现分布式并行深度学习平台的实践,并结合Caffe和TensorFlow结合Spark平台,实现深度学习的并行处理与高精度处理及人工智能应用。

知识概要

时间

内容

案例实践与练习

Day1

上午

第一篇

机器学习

一、大数据分析与机器学习、人工智能及深度学习

二、机器学习的基本任务

三、如何选择合适算法

四、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

Day1

下午

第二篇  机器学习系统架构

一、机器学习系统架构

二、构建Spark机器学习系统

三、特征提取、转换和选择

四、模型选择或调优

五、ML Pipelines

案例研讨:机器学习系统架构

Day2

上午

第三篇  大数据分析Spark MLlib

一、Spark MLlib架构

二、数据类型

三、基础统计

四、构建Spark ML推荐模型

五、构建Spark ML分类模型

案例研讨:

Spark ML机器学习

Day2

下午

第四篇 大数据分析Spark接口

大数据分析Spark接口

一、R数据分析

二、Spark R简介

三、pyspark 简介

四、SparkDataFrame数据结构说明

五、Spark Streaming简介

案例练习:

Pyspark进行深度学习

Day3

上午

第五篇  深度学习

一、深度学习与TensorFlow简介

二、TensorFlowOnSpark简介

三、卷积神经网络简介

四、TensorFlow实现卷积神经网络

五、循环神经网络简介

六、TensorFlow实现循环神经网络

七、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?

Day3

下午

第六篇深度学习与人工智能

一、人工智能简介

二、深度学习与智能客服

三、深度学习与无人驾驶

四、深度学习与人脸识别

五、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

培训对象

数据分析数据挖掘相关人员

培训收益

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。