時(shí)間

授課方式

課程

主要內(nèi)容

Day?1

08:30-09:00

課程簡介

經(jīng)驗(yàn)分享

第一章Python?入門基礎(chǔ)

1、到底應(yīng)該如何學(xué)習(xí)編程？應(yīng)該學(xué)習(xí)哪種編程語言？為什么Python越來越受歡迎？

2、Python環(huán)境搭建（?下載、安裝與版本選擇）。

3、如何選擇Python編輯器？（IDLE、Notepad++、PyCharm、Jupyter…）

4、Python程序的運(yùn)行（Hello World）

6、Python基礎(chǔ)（數(shù)據(jù)類型和變量、字符串和編碼、list和tuple、條件判斷、循環(huán)、函數(shù)的定義與調(diào)用等）

7、常見的錯(cuò)誤與程序調(diào)試

8、第三方模塊的安裝與使用

9、文件讀寫（I/O）

10、Python繪圖基礎(chǔ)

09:00-12:00

相關(guān)知識(shí)點(diǎn)復(fù)習(xí)與鞏固

理論講解與案例演示

實(shí)操練習(xí)

14:00-16:30

理論講解與案例演示

實(shí)操練習(xí)

第二章Python常用模塊入門

1、numpy、pandas、matplotlib、scipy等科學(xué)計(jì)算模塊庫常用函數(shù)簡介（下載、安裝與使用）

2、scikit-learn機(jī)器學(xué)習(xí)模塊庫簡介（下載、安裝與使用）

3、keras深度學(xué)習(xí)模塊庫簡介（下載、安裝與使用）

4、案例講解

16:30-18:00

理論講解與案例演示

實(shí)操練習(xí)

第三章Python?圖像處理基礎(chǔ)

1、圖像的常見格式及讀寫（彩色圖像、灰度圖像、二值圖像等）

2、圖像的基本操作（幾何變換、時(shí)頻域變換等）

3、圖像直方圖（圖像的對(duì)比度、亮度等改變）

4、PIL圖像處理模塊庫簡介

5、案例講解

Day?2

08:30-12:00

理論講解與案例演示

實(shí)操練習(xí)

第四章

BP神經(jīng)網(wǎng)絡(luò)及其Python實(shí)現(xiàn)

1、BP神經(jīng)網(wǎng)絡(luò)的基本原理（人工智能發(fā)展過程經(jīng)歷了哪些曲折？人工神經(jīng)網(wǎng)絡(luò)的分類有哪些？BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練過程是怎樣的？什么是梯度下降法？BP神經(jīng)網(wǎng)絡(luò)建模的本質(zhì)是什么？）

2、BP神經(jīng)網(wǎng)絡(luò)的?Python 實(shí)現(xiàn)（怎樣劃分訓(xùn)練集和測試集？為什么需要?dú)w一化？歸一化是必須的嗎？什么是梯度爆炸與梯度消失？）

3、BP神經(jīng)網(wǎng)絡(luò)參數(shù)的優(yōu)化（隱含層神經(jīng)元個(gè)數(shù)、學(xué)習(xí)率、初始權(quán)值和閾值等如何設(shè)置？什么是交叉驗(yàn)證？）

4、值得研究的若干問題（欠擬合與過擬合、泛化性能評(píng)價(jià)指標(biāo)的設(shè)計(jì)、樣本不平衡問題等）

5、案例演示一：近紅外光譜汽油辛烷值預(yù)測（回歸擬合）

6、案例演示二：MNIST手寫數(shù)字識(shí)別（分類識(shí)別）

7、實(shí)操練習(xí)

14:00-15:00

理論講解與案例演示

實(shí)操練習(xí)

第五章

極限學(xué)習(xí)機(jī)及其Python實(shí)現(xiàn)

1、極限學(xué)習(xí)機(jī)（Extreme Learning Machine, ELM）的基本原理（ELM的基本算法，“極限”體現(xiàn)在哪些地方？）

2、ELM 與?BP 神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系

3、ELM的Python代碼實(shí)現(xiàn)

4、案例實(shí)踐：鳶尾花種類識(shí)別

15:00-16:30

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

第六章

支持向量機(jī)及其Python實(shí)現(xiàn)

1、SVM的基本原理（什么是經(jīng)驗(yàn)誤差最小和結(jié)構(gòu)誤差最??？SVM的本質(zhì)是解決什么問題？SVM的四種典型結(jié)構(gòu)是什么？核函數(shù)的作用是什么？什么是支持向量？）

2、SVM擴(kuò)展知識(shí)（如何解決多分類問題？SVM除了建模型之外，還可以幫助我們做哪些事情？）

3、SVM的Python代碼實(shí)現(xiàn)?

4、案例實(shí)踐一：乳腺癌腫瘤診斷

5、案例實(shí)踐二：混凝土強(qiáng)度預(yù)測

16:30-18:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第七章

決策樹、隨機(jī)森林（組合學(xué)習(xí)）及其Python實(shí)現(xiàn)

1、決策樹的基本原理（微軟小冰讀心術(shù)的啟示；什么是信息熵和信息增益？ID3算法和C4.5算法的區(qū)別與聯(lián)系）

2、隨機(jī)森林的基本原理（為什么需要隨機(jī)森林算法？廣義與狹義意義下的“隨機(jī)森林”分別指的是什么？“隨機(jī)”提現(xiàn)在哪些地方？隨機(jī)森林的本質(zhì)是什么？）

3、決策樹、隨機(jī)森林（組合學(xué)習(xí)）的Python代碼實(shí)現(xiàn)

4、案例實(shí)踐：乳腺癌腫瘤診斷

5、知識(shí)擴(kuò)展：決策樹除了建模型之外，還可以幫我們做什么事情？怎樣解讀隨機(jī)森林的結(jié)果？

Day?3

08:30-10:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第八章

遺傳算法及其Python實(shí)現(xiàn)

1、遺傳算法（Genetic Algorithm, GA）的基本原理（以遺傳算法為代表的群優(yōu)化算法的基本思想是什么？目前國內(nèi)外的研究熱點(diǎn)在哪些方面？）

2、遺傳算法的Python代碼實(shí)現(xiàn)

3、案例實(shí)踐一：一元函數(shù)的尋優(yōu)計(jì)算（極大值與極小值）

4、案例實(shí)踐二：離散變量的尋優(yōu)計(jì)算（基于遺傳算法的特征變量篩選）

10:00-12:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第九章：變量降維與特征選擇

1、變量降維與特征選擇在概念上的區(qū)分

2、主成分分析（PCA）、偏最小二乘（PLS）的基本原理（PCA與PLS的區(qū)別與聯(lián)系；PCA除了降維之外，還可以幫助我們做什么？）

2、常見的特征選擇方法（優(yōu)化搜索、Filter和Wrapper等；前向與后向選擇法；區(qū)間法；無信息變量消除法；正則稀疏優(yōu)化方法等）

3、案例實(shí)踐：變量降維與特征選擇的Python代碼實(shí)現(xiàn)

14:00-18:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第十章

深度學(xué)習(xí)入門基礎(chǔ)與卷積神經(jīng)網(wǎng)絡(luò)

1、深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別與聯(lián)系（神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)越多越好嗎？深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的本質(zhì)區(qū)別是什么？）

2、Python深度學(xué)習(xí)開源工具箱簡介

3、卷積神經(jīng)網(wǎng)絡(luò)的基本原理（什么是卷積核？CNN的典型拓?fù)浣Y(jié)構(gòu)是怎樣的？CNN的權(quán)值共享機(jī)制是什么？CNN提取的特征是怎樣的？）

4、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等典型深度神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系解讀

5、卷積神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)試技巧

6、keras案例演示一：CNN預(yù)訓(xùn)練模型實(shí)現(xiàn)物體識(shí)別

7、keras案例演示二：利用卷積神經(jīng)網(wǎng)絡(luò)抽取抽象特征

8、keras案例演示三：自定義卷積神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

9、實(shí)操練習(xí)

Day?4

08:30-10:00

理論講解與案例演示

實(shí)操練習(xí)

第十一章

遷移學(xué)習(xí)算法及其Python實(shí)現(xiàn)

1、遷移學(xué)習(xí)算法的基本原理（為什么需要遷移學(xué)習(xí)？為什么可以遷移學(xué)習(xí)？遷移學(xué)習(xí)的基本思想是什么？）

2、常用的遷移學(xué)習(xí)算法簡介（基于實(shí)例、特征和模型，譬如：TrAdaboost算法）

3、基于深度神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法

4、遷移學(xué)習(xí)算法的Python代碼實(shí)現(xiàn)

5、案例演示

10:00-12:00

理論講解與案例演示

實(shí)操練習(xí)

第十二章

循環(huán)神經(jīng)網(wǎng)絡(luò)、長短時(shí)記憶網(wǎng)絡(luò)及其Python實(shí)現(xiàn)

1、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的基本工作原理

2、長短時(shí)記憶網(wǎng)絡(luò)LSTM的基本工作原理

3、RNN和LSTM的Python代碼實(shí)現(xiàn)

4、案例演示：時(shí)間序列預(yù)測（Time?Series Forecasting）

14:00-15:30

理論講解與課題討論

第十三章

深度學(xué)習(xí)熱門研究方向

1、對(duì)抗生成網(wǎng)絡(luò)GAN（什么是對(duì)抗生成網(wǎng)絡(luò)？為什么需要對(duì)抗生成網(wǎng)絡(luò)？對(duì)抗生成網(wǎng)絡(luò)可以幫我們做什么？）

2、GAN的Python代碼實(shí)現(xiàn)

3、專題討論：數(shù)據(jù)VS.模型，孰更重要？（模型泛化性能不好，究竟是孰之過？）

15:30-17:00

理論講解與案例演示

第十四章

科研與創(chuàng)新方法概述

1、如何查閱文獻(xiàn)資料？（你會(huì)使用Google?Scholar、Sci-Hub、ResearchGate嗎？應(yīng)該去哪些地方查找與論文配套的數(shù)據(jù)和代碼？）

2、如何高效率撰寫專業(yè)論文？（SCI不同分區(qū)的論文差別在哪些地方？你知道你的論文為什么顯得很單薄嗎？）

3、從審稿人的角度看，SCI期刊論文需要具備哪些要素？（審稿人關(guān)注的點(diǎn)有哪些？如何回應(yīng)審稿人提出的意見？）

4、如何提煉與挖掘創(chuàng)新點(diǎn)？（如果在算法層面上難以做出原創(chuàng)性的工作，如何結(jié)合自己的實(shí)際問題提煉與挖掘創(chuàng)新點(diǎn)？）

17:00-18:00

課堂討論

復(fù)習(xí)與答疑

第十五章

討論與答疑

1、建立微信群，便于后期的討論與答疑

2、討論與答疑，解答學(xué)員的實(shí)際問題

3、相關(guān)學(xué)習(xí)資料分享與拷貝（圖書推薦、在線課程推薦等）