為您找到55個相關課程
展開簡介
收益目標：暫無
適應人群：暫無
關鍵詞：互聯(lián)網(wǎng)，其他，人工智能，機器學習，Python
適應人群：技術經(jīng)理，開發(fā)骨干，資質高的新員工，重點產(chǎn)品、新產(chǎn)品、重構團隊的全體開發(fā)人員
關鍵詞：互聯(lián)網(wǎng)，面向對象
收益目標：通過課程學習，可以理解機器學習的思維方式和關鍵技術；了解深度學習和機器學習在當前工業(yè)界的落地應用；能夠根據(jù)數(shù)據(jù)分布選擇合適的算法模型并書寫代碼，初步勝任使用Python進行數(shù)據(jù)挖掘、機器學習、深度學習等工作。
適應人群：具備一定的Python和深度學習基礎，希望深入了解深度學習的目標檢測、實體識別、關系抽取、GAN、時間序列分析、強化學習等實用化技術的光大工程技術人員。
關鍵詞：互聯(lián)網(wǎng)，機器學習，數(shù)據(jù)挖掘
收益目標：（1）最新的前沿OCR技術進展及發(fā)展方向 （2）解析8.6M超輕量中英文OCR模型是如何打造的 （3）從訓練到部署的完整解決方案（含真實企業(yè)案例） （4）傳授GitHub Trending 全球榜第一名登頂經(jīng)驗
關鍵詞：互聯(lián)網(wǎng)
關鍵詞：互聯(lián)網(wǎng)，機器學習
收益目標：1.推薦系統(tǒng)算法基礎和機器學習模型 2.數(shù)據(jù)集分析和推薦系統(tǒng)的整體結構 3.特征工程 4.基于協(xié)同過濾的商品推薦 5.基于協(xié)同過濾和隱特征的商品推薦 6.完成推薦系統(tǒng)的整體設計和算法驗證
適應人群：有Python編程經(jīng)驗 至少1年軟件工程研發(fā)經(jīng)驗 初步掌握機器學習算法的理論基礎
適應人群：開發(fā)者、數(shù)據(jù)科學家、商業(yè)分析師、產(chǎn)品經(jīng)理，以及所有對利用LLM感興趣的人。
關鍵詞：其他
收益目標：1、使企業(yè)管理者制定決策時有數(shù)據(jù)可依； 2、使學員徹底理解數(shù)據(jù)可視化的概念、技術、思維模式； 3、使學員具備數(shù)據(jù)收集、數(shù)據(jù)分析、數(shù)據(jù)挖掘、信息提取的能力； 4、使學員具備繪制數(shù)據(jù)可視化圖形的能力； 5、使學員具備利用圖形輔助思考的能力。
適應人群：1、本課程適合于想通過數(shù)據(jù)化決策制定企業(yè)戰(zhàn)略的決策者； 2、適合于經(jīng)常需要匯報工作的管理者； 3、對數(shù)據(jù)可視化分析、數(shù)據(jù)可視化展現(xiàn)等感興趣的人士； 4、對數(shù)據(jù)分析、數(shù)據(jù)挖掘算法等感興趣的人士； 5、對Tableau感興趣的數(shù)據(jù)分析人士；
關鍵詞：我是運維經(jīng)理，互聯(lián)網(wǎng)，大數(shù)據(jù)，云計算
適應人群： 數(shù)據(jù)工程師、數(shù)據(jù)科學家、機器學習工程師、AI開發(fā)者、以及對向量數(shù)據(jù)庫感興趣的技術人員。
關鍵詞：其他，數(shù)據(jù)庫
適應人群：熟悉Go語法，有一定的Linux知識基礎
收益目標：1、使學員深入理解機器學習、深度學習的基礎概念、技術、思維模式； 2、使學員深入理解機器學習、深度學習算法原理、具備機器學習算法的使用能力； 3、使學員深入理解數(shù)據(jù)收集、數(shù)據(jù)挖掘、信息提取的能力； 4、使學員深入理解繪制數(shù)據(jù)可視化圖形的能力； 5、深入剖析主流的機器學習、深度學習算法； 6、介紹統(tǒng)計學基礎知識； 7、深入剖析模型的構建、特征提取、指標體系； 8、通過案例故事，深入剖析機器學習、深度學習的應用，交流數(shù)據(jù)挖掘的經(jīng)驗； 9、淺顯易懂的方式介紹人工智能、深度學習、人工神經(jīng)網(wǎng)絡等知識點；
適應人群：1、本課程適合于機器學習和統(tǒng)計學的初級學習者； 2、對機器學習、數(shù)據(jù)分析、統(tǒng)計學感興趣的人士；
關鍵詞：我是運維經(jīng)理，互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，機器學習，數(shù)據(jù)挖掘，深度學習
活動詳情
To Be Better
注冊或 找回密碼?
