内容背景
本课程的目的是在“机器学习和深度学习”知识的基础上，进一步深入学习和研究，从理论和实践两方面提升学员人工智能产品的研发能力。课程由完整的案例加上具体实现驱动，针对每一个专题，首先描述案例场景，然后把知识揉进具体实现过程，通过分析、改进、实现、总结归纳的循环，建立更加深入完整的知识和能力结构。这些知识和能力，对于研发更多领域的人工智能产品来说，具有很高的萃取价值。尽管本课程是一个进阶课程，但只要具备机器学习和深度学习的基本知识，都能在学习这个课程的过程中，获得比较大的收益。
培训对象
架构师、分析师、项目经理、高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师以及未来可能从事人工智能研发的技术人员。
培训目的
1、深层次掌握人工智能理论，寻求人工智能研发的突破口，探知核心的秘密。
2、以实践为导向，萃取案例精化，加深理论知识，提高研发能力。
3、把握人工智能的新应用，理解人工智能领域发展趋势。
培训内容
第一专题 机器学习项目进阶加深：实现与改进
1，支持向量机实现车牌识别：案例实现与分析改进
车牌数据预处理以及要注意的问题
特征提取及特征选择
单特征识别模型搭建
特征融合实现、改进及注意的问题
实现车牌识别全流程自动化的关键改进
2，决策树实现银行客户贷款风险预测：案例实现与分析改进
决策树的模型搭建
如何选择决策树的分裂属性以及深层次思考
如何根据测试结果进行决策树的优化
决策树中的剪枝实现
随机森林的实现及注意事项
3，讨论互动：学员提出问题并进行相互讨论
4，案例总结：萃取案例中的经验并进行推广应用
第二专题 深度学习项目进阶加深：实现与改进
1，卷积神经网络实现人脸识别：案例实现与分析改进
网络搭建
如何根据结果进行网络结构调整（逐步讲解与分析）
如何根据结果进行参数调整（逐步讲解与分析）
最终的参数如何确定（不在是混乱尝试，而是深层次理解参数的含义）
2，卷积神经网络实现手写体识别：案例实现与分析改进
网络搭建（注意与人脸识别案例的对比）
如何根据结果进行网络结构调整（注意与人脸识别案例的对比）
如何根据结果进行参数调整（注意与人脸识别案例的对比）
最终的参数如何确定（注意与人脸识别案例的对比）
3，循环神经网络实现客户评价分类：案例实现与分析改进
网络搭建
如何根据结果进行网络结构调整
如何根据结果进行参数调整
最终的参数如何确定
4，讨论互动：学员提出问题并进行相互讨论
5，案例总结：萃取案例中的经验并进行推广应用
司老师
清华大学博士，人工智能方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在机器学习和模式识别领域顶级期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是人工智能、深度学习、机器学习和图像处理和模式识别领域的实战派专家。
