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天

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