
人工智能應(yīng)用深度培訓(xùn)
第 一篇:機(jī)器學(xué)習(xí)
一、大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)、人工智能及深度學(xué)習(xí)
二、機(jī)器學(xué)習(xí)的基本任務(wù)
三、如何選擇合適算法
四、Spark在機(jī)器學(xué)習(xí)方面的優(yōu)勢
大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)、人工智能及深度學(xué)習(xí)
第二篇:機(jī)器學(xué)習(xí)系統(tǒng)架構(gòu)
一、機(jī)器學(xué)習(xí)系統(tǒng)架構(gòu)
二、構(gòu)建Spark機(jī)器學(xué)習(xí)系統(tǒng)
三、特征提取、轉(zhuǎn)換和選擇
四、模型選擇或調(diào)優(yōu)
五、ML Pipelines
案例研討:機(jī)器學(xué)習(xí)系統(tǒng)架構(gòu)
第三篇:大數(shù)據(jù)分析Spark MLlib
一、Spark MLlib架構(gòu)
二、數(shù)據(jù)類型
三、基礎(chǔ)統(tǒng)計(jì)
四、構(gòu)建Spark ML推薦模型
五、構(gòu)建Spark ML分類模型
案例研討:
Spark ML機(jī)器學(xué)習(xí)
第四篇:大數(shù)據(jù)分析Spark接口
大數(shù)據(jù)分析Spark接口
一、R數(shù)據(jù)分析
二、Spark R簡介
三、pyspark 簡介
四、SparkDataFrame數(shù)據(jù)結(jié)構(gòu)說明
五、Spark Streaming簡介
Pyspark進(jìn)行深度學(xué)習(xí)
第五篇 :深度學(xué)習(xí)
一、深度學(xué)習(xí)與TensorFlow簡介
二、TensorFlowOnSpark簡介
三、卷積神經(jīng)網(wǎng)絡(luò)簡介
四、TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)
五、循環(huán)神經(jīng)網(wǎng)絡(luò)簡介
六、TensorFlow實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)
七、在Pyspark集群環(huán)境運(yùn)行TensorFlow
大數(shù)據(jù)分析與深度學(xué)習(xí)關(guān)系?
第六篇:深度學(xué)習(xí)與人工智能
一、人工智能簡介
二、深度學(xué)習(xí)與智能客服
三、深度學(xué)習(xí)與無人駕駛
四、深度學(xué)習(xí)與人臉識(shí)別
五、深度學(xué)習(xí)高級(jí)應(yīng)用案例