人工智能技術及其應用實戰(zhàn)其它上課時間：

• 2018-8-23至2018-8-26 北京

1、IT工程師2、技術總監(jiān)3、人工智能架構師4、其它對人工智能和機器學習感興趣的人員

課程介紹

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(lián)網(wǎng)企業(yè)(如電商企業(yè)、搜索引擎、社交網(wǎng)站、互聯(lián)網(wǎng)廣告服務提供商等)、金融企業(yè)(銀行、保險、證券公司、互聯(lián)網(wǎng)金融借貸公司等)、通信運營商(電信、移動、聯(lián)通)等行業(yè)的企業(yè)。
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(tǒng)化地培訓, 讓學員分成三個階段深入系統(tǒng)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(chǎn)業(yè)和人工智能產(chǎn)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(jīng)網(wǎng)絡機器學習、深度學習、巻積神經(jīng)網(wǎng)絡和 LSTM神經(jīng)網(wǎng)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(tǒng)平臺工具的應用實戰(zhàn), 包括人工智能的代表性系統(tǒng)工具平臺: TesorFlow深度學習平臺, Keras深度學習庫和 Python Al系統(tǒng)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。

培訓目標

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(chǎn)業(yè)和人工智能產(chǎn)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PythonKeras, 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 Al技術和平臺。

培訓方式

定制授課+實戰(zhàn)案例訓練+考試互動咨詢討論
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(tǒng)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 。

培訓內容

模塊一人工智能基礎、技術及其體系
1.人工智能(Artificiallntelligence, Al)的定義、起源、用途
2.人工智能的發(fā)展歷程與月永絡
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(chǎn)業(yè)和主流人工智能產(chǎn)品
模塊二人工智能的問題求解及技術實現(xiàn)
7.人工智能領域的經(jīng)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(shù)據(jù)
11.人工智能和機器學習
12.人工智能和深度學習
模塊三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
模塊四人工智能的行業(yè)應用與發(fā)展
16.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
17.人工智能結合大數(shù)據(jù)的行業(yè)應用案例
18.人工智能在“互聯(lián)網(wǎng)+”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
模塊五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単示例驗證環(huán)境的準確性
24.熟悉實驗資料和實驗環(huán)境 
模塊六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(jīng)典算法模型
26.神經(jīng)網(wǎng)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(lián)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
模塊七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
模塊八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(xiàn)分類預測項目
37.實驗要求準確率、召回率、誤差等指標
模塊九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(jīng)網(wǎng)絡算法模型及應用
41.RNN循環(huán)神經(jīng)網(wǎng)絡算法模型及應用
42.LSTM神經(jīng)網(wǎng)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
模塊十TensorFlow Al深度學習平臺及其應用實踐(1)
44.TensorFlow: 一個Al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(xiàn) 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(xiàn)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
模塊十一TensorFlow Al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
模塊十二Tensorboard　 Al深度學習可視化建模工具與模型優(yōu)化
56.Tensorboard簡介
57.Tensorboard可視化和命名空間
58.TensorFlow人工智能建模模型狀態(tài)評估與優(yōu)化
59.Tensorboard的部署、配置和應用編程
60.利用 Tensorboard實現(xiàn)圖像識別操作
61.利用 TensorFlow實現(xiàn)文本控掘操作
模塊十三Keras人工智能平臺應用實踐
62.Keras人工智能平臺架構
63.Keras Al平臺的部署與配置
64.Keras技術實現(xiàn)與工作機制
65.Keras序貫模型與函數(shù)式模型
66.Keras圖像與自然語言應用案例
67.Keras實驗操作: Kaggle圖像比賽與優(yōu)化案例(選做)
模塊十四人工智能的產(chǎn)品解決方案
68.圖像處理解決方案
69.人臉識別解決方案
70.語音識別解決方案
71.文本分類解決方案
72.視頻理解解決方案
模塊十五項目實踐
73.人臉識別項目
74.文本數(shù)據(jù)預測項目
75.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
模塊十六人工智能項目工程師的技能素養(yǎng)(選講)
76.人工智能工程師的必備技術能力
77.人工智能工程師的必備業(yè)務理解能力
78.人工智能工程師的必備數(shù)據(jù)洞察能力
79.人工智能工程師的進階路線和職業(yè)素養(yǎng)
模塊十七培訓內容綜合、
應用完整實踐與咨詢討論
80.根據(jù)講師布置的實際應用案例, 開展人工智能和大數(shù)據(jù)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

師資力量

鐘老師,男,博士畢業(yè)于中國科學院,獲工學博士學位(計算機專業(yè)),博士后(虛擬經(jīng)濟與數(shù)據(jù)科學專業(yè)) , 曾在國內某高校和某大型通信企業(yè)工作過, 目前在中國科學院某研究所工作,副研究員,高級工程師,項目組長,團隊成員十余人。人工智能、大數(shù)據(jù)系列課程建設與教學專家,新技術課程開發(fā)組長。近八年來帶領團隊主要從事 Python編程、 Al人工智能、深度學習平臺的項目實踐(Tensorflow、 Keras、 PyTorch、 Caffe、 Theano, CNTK等)、大數(shù)據(jù)建模分析控掘與機器學習(SPSS, Python, Mahout、 MLlib、 Python、 Oryx、 H20、 FlinkPentahoBl、 SAS、 R等)、大數(shù)據(jù)管理與高性能分析處理(Hadoop、 Spark、 Storm)、大數(shù)據(jù)倉庫(HIVE)和實時數(shù)據(jù)倉庫(SparkSQL、 Shark), MPP并行數(shù)據(jù)倉庫(Greenplum etc)、NoSQL與NewSQL分布式數(shù)據(jù)庫(HBase、 MongoDB、 Cassandra etc)、(移動)電子商務平臺、大數(shù)據(jù)搜索平臺(ElasticSearch、 Solr、 Lucene等)、云計算與虛擬化(0penStack, VMware, XenServer, CloudStack, KVM, Docker, SaaS服務)、云存儲系統(tǒng)、 Swift對象存儲系統(tǒng)、網(wǎng)絡GIS 地圖服務器、 互聯(lián)網(wǎng)+在線教育云平臺方面的項目研發(fā)與管理工作。