课程介绍

随着大数据的发展和计算机运算能力的不断提升,人工智能在最近几年取得了令人瞩目的成就,数据挖掘与深度学习是人工智能的重要技术基础。目前在很多行业中,都正在广泛应用数据挖掘技术,提高企业洞察能力,为企业经营管理、分析决策提供支持。 本课程以数据挖掘为主要内容,讲述聚类算法、支持向量机、神经网络等经典分类挖掘算法和应用。此外,深度学习是一种利用复杂结构的多个处理层来实现对数据进行高层次抽象的算法,是机器学习的一个重要分支。本课程还将介绍深度学习相关的概念和主流框架,重点讲解卷积神经网络和循环神经网络的理论、方法以及常见应用。

课程通知 >>更多
最新动态
  • 曾小青发布了新的作业实验七 基于Keras的神经网络及其在财务舞弊、图像识别中的应用
  • 曾小青发布了新的作业实验六 聚类分析及其在客户细分中的应用
  • 曾小青发布了新的作业实验五、决策树方法比较及其在财务舞弊识别中的应用
  • 曾小青发布了新的作业实验四、逻辑回归模型及其在财务舞弊识别中的应用
  • 曾小青发布了新的作业实验三、用Geogebra实现梯度下降算法
  • 曾小青发布了新的作业实验二、回归分析建模的几种方法及应用
  • 曾小青发布了新的作业实验一、环境配置与数据分析基础