课程介绍：

本培训实践与理论并重，通过理论讲解，算法阐述，算法适用场景，实例分析和编码实践，以及对最新的人工智能算法的趋势和热点的分析和介绍，使学员不仅掌握机器学习，人工智能领域常用算法，而且可以在实战中应用机器学习人工智能解决工作中的实际问题，从而帮助企业在人工智能时代拔得头筹占得先机。

课程大纲：

1 基于规则的分类器
工作原理
排序方案
直接提取规则
间接提取规则

2分类算法：贝叶斯
应用场景概述
贝叶斯定理
贝叶斯分类器的由来
朴素贝叶斯分类器
贝叶斯信念网络
 

3 支持向量机
为什么支持向量机广受好评
从逻辑回归到支持向量机
最大边缘平面
构造更高级的分类器的关键：核函数
核函数的多种选择
使用支持向量机来分类
如何选择最佳的模型：逻辑回归，支持向量机，人工神经网络

4 聚类算法：层次聚类
基本凝聚层次聚类算法
单链和全链，组平均
层次聚类的主要问题
层次聚类优点与缺点分析
实例学习和课堂练习：产品聚类
 

5 基于密度的聚类
使用场景
DBSCAN算法详解
密度聚类的使用
 

6 概率图模型
隐马尔可夫模型
马尔科夫随机场
条件随机场
 

7 人工神经网络
从逻辑回归到人工神经网络
大脑和人工神经网络
感知器模型
感知器能解决亦或问题吗？
多层感知器
深度神经网络
设计深度神经网络的最佳实践