联系我们
 课程时长 35 小时

课程大纲

Python中的AI概览

  • AI的核心概念与范围
  • 用于AI开发的Python库
  • AI项目结构与工作流程

AI数据准备

  • 数据清洗、转换与特征工程
  • 处理缺失数据和不平衡数据
  • 特征缩放与编码

监督学习技术

  • 回归与分类算法
  • 集成方法:随机森林、梯度提升
  • 超参数调优与交叉验证

无监督学习技术

  • 聚类方法:K-Means、DBSCAN、层次聚类
  • 降维:PCA、t-SNE
  • 无监督学习的用例

神经网络与深度学习

  • TensorFlow和Keras简介
  • 构建和训练前馈神经网络
  • 优化神经网络性能

强化学习(入门)

  • 代理、环境和奖励的核心概念
  • 实现基础的强化学习算法
  • 强化学习的应用

部署AI模型

  • 保存和加载训练后的模型
  • 通过API将模型集成到应用程序中
  • 在生产环境中监控和维护AI系统

总结与后续步骤

要求

  • 扎实掌握Python编程基础
  • 具备使用NumPy和pandas等数据分析库的经验
  • 了解机器学习的概念和算法基础

受众群体

  • 希望扩展AI开发技能的软件开发者
  • 希望将AI技术应用于复杂数据集的数据分析师
  • 构建AI驱动应用的研发专业人员

客户评论 (2)

即将举行的公开课程

课程分类