400-888-5228

課程簡介

近年來,隨著“人工智能”深入應用到社會各個行業(yè),通過將對應的人工智能技術比如人臉識別,車牌識別等應用到具體的行業(yè)信息化領域,包括新興互聯網企業(yè)(如電商企業(yè)、搜索引擎、社交網站、互聯網廣告服務提供商等)、金融企業(yè)(銀行、保險、證券公司、互聯網金融借貸公司等)、通信運營商(電信、移動、聯通)等行業(yè)的企業(yè)。在國內外形成了獨具特色的智能產業(yè)和智能經濟。

本課程對業(yè)界主流最新的人工智能及其應用實戰(zhàn)技術分成基礎級、進階級、高級實戰(zhàn)三個層次進行系統化地培訓,讓學員分成三個階段深入系統地掌握人工智能技術的應用:

1)??? 第一階段:人工智能基礎級培訓內容,讓學員掌握人工智能的基礎知識,人工智能的問題解決思路,人工智能的應用案例,人工智能產業(yè)和人工智能產品的應用解決方案。

2)??? 第二階段:人工智能進階級培訓內容,讓學員掌握人工智能中用到的機器學習方法和深度學習方法,包括有監(jiān)督學習,無監(jiān)督學習和半監(jiān)督學習,以及決策樹機器學習、樸素貝葉斯機器學習、神經網絡機器學習、深度學習、卷積神經網絡和LSTM神經網絡機器學習的算法模型的原理和應用實踐操作,每類算法模型在具體場景中的應用實踐。

3)??? 第三階段:人工智能高級項目應用培訓內容,讓學員掌握人工智能的系統平臺工具的應用實戰(zhàn),包括人工智能的代表性系統工具平臺:TesorFlow深度學習平臺,Keras深度學習庫和Python AI系統的應用實踐,在講解的同時,由講師帶著學員對人工智能工具安排實踐操作,讓學員更突出掌握實戰(zhàn)技能。

 

課程收益

  1. 通過本課程的學習,學員可以用較短的時間掌握人工智能領域的基礎和精華內容
  2. 讓學員掌握人工智能的基礎知識,人工智能的問題解決思路,人工智能的應用案例,人工智能產業(yè)和人工智能產品的應用解決方案。
  3. 讓學員掌握人工智能的技術平臺應用,重點包括Python Keras,TensorFlow,PyTorch, Theano,CNTK,Caffe等應用實戰(zhàn),并且通過兩三個具體的企業(yè)應用實驗操作,鞏固掌握的AI技術和平臺。

 

課程特色

定制授課+ 實戰(zhàn)案例訓練+ 互動咨詢討論,共3

本課程采用技術原理與項目實戰(zhàn)相結合的方式進行教學,在講授原理的過程中,穿插實際的系統操作,本課程講師也精心準備的實際的應用案例供學員動手訓練。

 

授課對象

  1. IT工程師
  2. 人工智能架構師
  3. 其它對人工智能和機器學習感興趣的人員

 

大綱內容

時間專題詳細內容與知識點
第一天人工智能基礎、技術及其體系1.?? 人工智能(Artificial Intelligence,AI)的定義、起源、用途

2.?? 人工智能的發(fā)展歷程與脈絡

3.?? 人工智能的國家政策解讀

4.?? 人工智能的技術體系

5.?? 人工智能的技術框架

6.?? 中國和美國的人工智能產業(yè)和主流人工智能產品

人工智能的問題求解及技術實現7.?? 人工智能領域的經典問題和求解方式

8.?? 機器學習模型和推理符號模型

9.?? 業(yè)界主流的機器學習方法解決人工智能領域的思路

10. 人工智能和大數據

11. 人工智能和機器學習

12. 人工智能和深度學習

人工智能的學習方式13. 有監(jiān)督學習訓練

14. 無監(jiān)督學習訓練

15. 半監(jiān)督學習訓練

人工智能的行業(yè)應用與發(fā)展16. 人工智能的行業(yè)圖譜和行業(yè)發(fā)展剖析

17. 人工智能結合大數據的行業(yè)應用案例

18. 人工智能在“互聯網+”領域的應用

19. 人工智能在制造業(yè)領域的應用

20. 人工智能在金融、消費領域的應用

21. 人工智能在出行、旅游領域的應用

部署人工智能實驗平臺22. 部署人工智能實驗操作軟件和環(huán)境

23. 運行講師提供的人工智能簡單示例驗證環(huán)境的準確性

24. 熟悉實驗資料和實驗環(huán)境

人工智能機器學習的算法模型的應用實踐(1)25. 人工智能領域的四大類經典算法模型

26. 神經網絡機器學習算法模型及其應用

27. 決策樹算法模型及其應用

28. 關聯分析算法模型及其應用

29. 聚類分析算法模型及其應用

30. 深度學習算法模型及應用

人工智能機器學習的算法模型的應用實踐(2)31. 樸素貝葉斯算法模型及其應用

32. 邏輯回歸算法模型及其預測應用

33. Python機器學習庫的應用

34. Python Scikit-learn算法庫的使用講解

第二天人工智能和機器學習的實驗操作35. Python Scikit-learn算法庫的實戰(zhàn)操作

36. 利用Python語言編程,實現分類預測項目

37. 實驗要求準確率、召回率、誤差等指標

深度學習技術及其應用38. 淺層學習技術及應用

39. 深度學習算法、技模型及應用

40. CNN卷積神經網絡算法模型及應用

41. RNN循環(huán)神經網絡算法模型及應用

42. LSTM神經網絡算法模型及應用

43. 深度學習在人臉識別、語音識別領域的解決方案

TensorFlow AI深度學習平臺及其應用實踐(1)44.??? TensorFlow:一個AI深度學習框架的概述

45.??? TensorFlow架構

46.??? TensorFlow的安裝、部署、配置

47.??? TensorFlow的應用場景和應用案例

48.??? TensorFlow搭建GPU和CPU人工智能集群

49.??? 基于Tensorflow實現CNN模型應用,以及算法部署,算法調優(yōu),處理效率提升之道

50. 基于Tensorflow實現RNN(LSTM)模型應用,以及算法部署,算法調優(yōu),處理效率提升之道

TensorFlow AI深度學習平臺及其應用實踐(2)51.??? TensorFlow CNN應用操作

52.??? TensorFlow RNN應用操作

53.??? TensorFlow LSTM應用操作

54.??? TensorFlow在自然語言生成建模案例

55.??? TensorFlow在圖像識別的實驗操作

第三天企業(yè)級人工智能項目開發(fā)實踐56.??? 人工智能項目的開發(fā)工具

57.??? 企業(yè)級人工智能項目的數據源選擇、技術選型

58.??? 企業(yè)級人工智能項目的軟件、平臺、以及業(yè)界開源資料

59.??? 企業(yè)級人工智能項目的著眼點、發(fā)力點、落腳點

60.??? 企業(yè)級人工智能項目的產品架構設計,及其盈利

Keras 人工智能平臺應用實踐61.?? Keras人工智能平臺架構

62.?? Keras AI平臺的部署與配置

63.?? Keras技術實現與工作機制

64.?? Keras序列模式

65.?? Keras圖像與自然語言應用案例

66.?? Keras實驗操作:Kaggle圖像比賽與優(yōu)化案例(選做)

人工智能的產品解決方案67. 圖像處理解決方案

68. 人臉識別解決方案

69. 語音識別解決方案

70. 文本分類解決方案

71. 視頻理解解決方案

項目實踐72. 人臉識別項目

73. 新聞內容文本分類預測項目

74. 講師提供項目指導手冊,帶著學員完成,學員獨立完成后,講師答疑

人工智能項目工程師的技能素養(yǎng)

(選講)

75. 人工智能工程師的必備技術能力

76. 人工智能工程師的必備業(yè)務理解能力

77. 人工智能工程師的必備數據洞察能力

78. 人工智能工程師的進階路線和職業(yè)素養(yǎng)

培訓內容綜合、應用完整實踐與咨詢討論79. 根據講師布置的實際應用案例,開展人工智能和大數據完整項目部署設計和應用開發(fā)實踐、應用實施以及解決方案分享咨詢與交流討論