課程介紹
本課程講解深度學習的模型，包括CNN卷積神經網絡、RNN循環神經網絡（LSTM）模型的算法及其應用、Connectionist ? Temporal Classification算法及其應用，如GoogleNet，Fully Convolutional ? Networks模型深入理解與應用，以及深度學習訓練數據集的準備，深度學習的發展趨勢，文字檢測與識別算法的發展歷程，以及文本分析在深度學習技術下的新應用。在深度學習實踐方面，課程基于Caffe和Tensorflow深度學平臺開展實踐教學，對算法的具體內涵和應用場景進行深度剖析和講解。
培訓對象
數據分析數據挖掘相關人員。
課程收益
了解Spark機器學習系統；
了解Spark MLlib架構；
掌握大數據分析Spark接口；
掌握深度學習Tensorflow框架；
掌握深度學習Caffe框架。
知識概要
-- 機器學習；
-- 機器學習系統架構；
-- 大數據分析Spark MLlib；
-- 大數據分析Spark接口；
-- 深度學習；
-- 深度學習與人工智能。
課程大綱
機器學習
大數據分析與機器學習、人工智能及深度學習
機器學習的基本任務
如何選擇合適算法
Spark在機器學習方面的優勢
案例研討：
大數據分析與機器學習、人工智能及深度學習
機器學習系統架構
機器學習系統架構
構建Spark機器學習系統
特征提取、轉換和選擇
模型選擇或調優
ML Pipelines
案例研討
機器學習系統架構
大數據分析Spark MLlib
Spark MLlib架構
數據類型
基礎統計
構建Spark ML推薦模型
構建Spark ML分類模型
案例研討
Spark ML機器學習
大數據分析Spark接口
R數據分析
Spark R簡介
pyspark 簡介
SparkDataFrame數據結構說明
Spark Streaming簡介
案例練習
Pyspark進行深度學習
深度學習
深度學習與TensorFlow簡介
TensorFlowOnSpark簡介
卷積神經網絡簡介
TensorFlow實現卷積神經網絡
循環神經網絡簡介
TensorFlow實現循環神經網絡
在Pyspark集群環境運行TensorFlow
案例研討
大數據分析與深度學習關系？
深度學習與人工智能
人工智能簡介
深度學習與智能客服
深度學習與無人駕駛
深度學習與人臉識別
深度學習高級應用案例
案例研討
結合業務深度學習應用場景設計，張粵磊老師針對方案點評評比及后續建議
認證過程
無考試認證
開班信息
暫無開班信息