機(jī)器學(xué)習(xí)

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

機(jī)器學(xué)習(xí)的基本任務(wù)

如何選擇合適算法

Spark在機(jī)器學(xué)習(xí)方面的優(yōu)勢(shì)

案例研討：

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

機(jī)器學(xué)習(xí)系統(tǒng)架構(gòu)

機(jī)器學(xué)習(xí)系統(tǒng)架構(gòu)

構(gòu)建Spark機(jī)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(jī)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(jì)

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(jī)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(jiǎn)介

pyspark 簡(jiǎn)介

SparkDataFrame數(shù)據(jù)結(jié)構(gòu)說(shuō)明

Spark Streaming簡(jiǎn)介

案例練習(xí)

Pyspark進(jìn)行深度學(xué)習(xí)

深度學(xué)習(xí)

深度學(xué)習(xí)與TensorFlow簡(jiǎn)介

TensorFlowOnSpark簡(jiǎn)介

卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)

循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

TensorFlow實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)

在Pyspark集群環(huán)境運(yùn)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(jiǎn)介

深度學(xué)習(xí)與智能客服

深度學(xué)習(xí)與無(wú)人駕駛

深度學(xué)習(xí)與人臉識(shí)別

深度學(xué)習(xí)高級(jí)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(chǎng)景設(shè)計(jì)，張粵磊老師針對(duì)方案點(diǎn)評(píng)評(píng)比及后續(xù)建議