課程(名稱.編號)簡索

領導藝術.綜合管理        人力資源.企業培訓        職務能力培訓系統班        銷售實戰.市場行銷        職場技能.個人成長        Office白領辦公達人        財經金融.投資理財        語言學習.出國留學        中國大陸證照培訓        資格考試.考証培訓        文化.生活.興趣.保健        生產管理.採購物流        移動開發        前端開發        後端開發        數據庫.服務器        網頁平面設計        雲計算.大數據        網絡營銷推廣        自然學科        工程技術學科

經濟管理學科

醫.藥.農.林學科

法律 學科

計算機工程學科

哲學.歷史學科

文學.藝術學科

教育社會學科

外語 學科

醫藥農林        哲學歷史        文學藝術        工程技術        基礎科學        經管法學

    通過實踐練習，快速掌握機器學習和深度學習基礎知識與技能，快速瞭解產業前沿應用。
　

課程概述


     通過對機器學習的基本原理的學習，在課程中掌握python編程，實踐機器智能的實驗，完成機器智能的課程項目。



通過對機器智能系統的實踐，在實踐中掌握TensorFlow2機器學習技術，實踐TensorFlow2的人工智能應用，如計算機視覺、語音識別等。



為學生理清人工智能產業發展方向，瞭解人工智能產業的生態，各種技術工具及應用，拓展對人工智能產業的認識視野，培養人工智能產業的創新與創業能力。

　

教學單元

1 BDMI-課程介紹
2 Python語言學習 
Python語言基礎1
Python語言基礎-2
Python語言基礎-3
Python庫介紹-Numpy
Python庫介紹-Matplotlib
Python庫介紹-Pandas
Python可視化庫-Seaborn
3 機器學習和Scikit-learn實踐 
機器學習：基本概念與術語
scikit-learn實踐
4 深度學習和TensorFlow2實踐 
深度學習1：人工神經元
深度學習2：邏輯思提回歸
深度學習3-多層網絡
深度學習4-5 網絡結構與卷積網絡
深度學習6 循環網絡
5 機器學習與深度學習應用 
自然語言處理與大語言模型
量化交易中機器學習應用
6 特邀報告1-從系統視角看機器學習：以TensorFlow為例
7 特邀報告2-強化學習與OpenRL

課程列表　

名稱 時間長度
第01講Python基礎知識-1 00:04:28
第02講Python基礎知識-2 00:05:07
第03講Python基礎知識-3 00:05:04
第04講Python庫-數值計算-Numpy 00:08:02
第05講Python庫-matplotlib 00:07:19
第06講Python數據分析庫-Pandas 00:15:53
第07講Python可視化庫-Seaborn-1 00:03:34
第08講Python可視化庫-Seaborn-2 00:01:26
第09講Python可視化庫-Seaborn-3 00:05:14
第10講Python可視化庫-Seaborn-4 00:05:13
第11講Python可視化庫-Seaborn-5 00:09:34
第12講機器學習-sklearn-1 00:14:31
第13講機器學習-sklearn-2 00:24:11
第14講機器學習-sklearn-3 00:08:08
第15講深度學習-人工神經元 00:04:20
第16講DL-多層網絡-1 00:15:23
第17講DL-多層網絡-2 00:12:14
第18講DL-多層網絡-3 00:17:34
第19講DL-多層網絡-4 00:12:48
第20講DL-CNN-1 00:14:44
第21講DL-CNN-2 00:12:33
第22講DL-RNN-1 00:25:23
第23講DL-RNN-2 00:13:40
第24講DL-RNN-3 00:21:39
第25講NLP-Transformer-BERT-GPT 00:22:50
第26講NLP-languageModel 00:11:02
第27講Part1-機器學習-量化 00:26:08
第28講Part2-機器學習-量化 00:24:16
第29講Part3-機器學習-量化 00:16:02
第30講Part1-從系統視角看機器學習：以TensorFlow為例 00:19:25
第31講Part2-從系統視角看機器學習：以TensorFlow為例 00:19:20
第32講Part3-從系統視角看機器學習：以TensorFlow為例 00:23:12
第33講Part1-強化學習與OpenRL 00:16:50
第34講Part2-強化學習與OpenRL 00:16:13