AI人工智能深度学习

课程章节

**部分 初识机器学习

 概念与术语（人工智能、数据挖掘、机器学习）

 数据挖掘的对象

 数据挖掘的关键技术

 知识的表达

 Python的安装

 数据预处理

 回归与时序分析

 决策树

第二部分 机器学习中的典型算法

 聚类

 关联规则

 朴素贝叶斯与KNN

 极大似然估计与EM算法

 性能评价指标

第三部分 神经网络专题

 BP神经网络

 模拟退火算法与其他神经网络

 机器学习中的**化方法

 遗传算法

第四部分 机器学习进阶

 支持向量机

 隐马尔科夫模型

 文本挖掘

 从LSA到LDA

第五部分 机器学习进阶与深度学习初步

 利用无标签的样本

 集成学习

 强化学习

 深度学习-1

第六部分 深度学习

 优化算法

 避免过适应

 典型应用场景

 RNN、LSTM、GRU

 GAN、DQN