機器學(xué)習(xí)

大數(shù)據(jù)分析與機器學(xué)習(xí)、人工智能及深度學(xué)習(xí)

機器學(xué)習(xí)的基本任務(wù)

如何選擇合適算法

Spark在機器學(xué)習(xí)方面的優(yōu)勢

案例研討：

大數(shù)據(jù)分析與機器學(xué)習(xí)、人工智能及深度學(xué)習(xí)

機器學(xué)習(xí)系統(tǒng)架構(gòu)

機器學(xué)習(xí)系統(tǒng)架構(gòu)

構(gòu)建Spark機器學(xué)習(xí)系統(tǒng)

特征提取、轉(zhuǎn)換和選擇

模型選擇或調(diào)優(yōu)

ML Pipelines

案例研討

機器學(xué)習(xí)系統(tǒng)架構(gòu)

大數(shù)據(jù)分析Spark MLlib

Spark MLlib架構(gòu)

數(shù)據(jù)類型

基礎(chǔ)統(tǒng)計

構(gòu)建Spark ML推薦模型

構(gòu)建Spark ML分類模型

案例研討

Spark ML機器學(xué)習(xí)

大數(shù)據(jù)分析Spark接口

R數(shù)據(jù)分析

Spark R簡介

pyspark 簡介

SparkDataFrame數(shù)據(jù)結(jié)構(gòu)說明

Spark Streaming簡介

案例練習(xí)

Pyspark進行深度學(xué)習(xí)

深度學(xué)習(xí)

深度學(xué)習(xí)與TensorFlow簡介

TensorFlowOnSpark簡介

卷積神經(jīng)網(wǎng)絡(luò)簡介

TensorFlow實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)

循環(huán)神經(jīng)網(wǎng)絡(luò)簡介

TensorFlow實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)

在Pyspark集群環(huán)境運行TensorFlow

案例研討

大數(shù)據(jù)分析與深度學(xué)習(xí)關(guān)系？

深度學(xué)習(xí)與人工智能

人工智能簡介

深度學(xué)習(xí)與智能客服

深度學(xué)習(xí)與無人駕駛

深度學(xué)習(xí)與人臉識別

深度學(xué)習(xí)高級應(yīng)用案例

案例研討

結(jié)合業(yè)務(wù)深度學(xué)習(xí)應(yīng)用場景設(shè)計，張粵磊老師針對方案點評評比及后續(xù)建議