人工智能技術(shù)及其應(yīng)用實戰(zhàn)其它上課時間：

• 2018/8/23至2018/8/26 北京

• 2018/9/14至2018/9/17 上海

• 2018/10/26至2018/10/29 貴陽

• 2018/11/2至2018/11/5 西安

• 2018/11/23至2018/11/26 珠海

• 2018/12/21至2018/12/24 北京

• 2019/1/18至2019/1/21 杭州

• 2019/3/22至2019/3/25 北京

• 2019/4/26至2019/4/29 上海

• 2019/5/24至2019/5/27 深圳

• 2019/6/21至2019/6/24 北京

• 2019/7/26至2019/7/29 杭州

• 2019/8/23至2019/8/26 成都

• 2019/9/20至2019/9/23 北京

• 2019/10/25至2019/10/28 蘇州

1、IT工程師2、技術(shù)總監(jiān)3、人工智能架構(gòu)師4、其它對人工智能和機器學(xué)習(xí)感興趣的人員

課程介紹

近年來, 隨著“人工智能”深入應(yīng)用到社會各個行業(yè), 通過將對應(yīng)的人工智能技術(shù)比如人臉識別,車牌識別等應(yīng)用到具體的行業(yè)信息化領(lǐng)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(wù)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(yīng)用實戰(zhàn)技術(shù)分成基礎(chǔ)級、 進階級、 高級實戰(zhàn)三個層次進行系統(tǒng)化地培訓(xùn), 讓學(xué)員分成三個階段深入系統(tǒng)地掌握人工智能技術(shù)的應(yīng)用
1) 第一階段:人工智能基礎(chǔ)級培訓(xùn)內(nèi)容,讓學(xué)員掌握人工智能的基礎(chǔ)知識,人工智能的問題解決思路, 人工智能的應(yīng)用案例, 人工智能產(chǎn)業(yè)和人工智能產(chǎn)品的應(yīng)用解決方案 。
2) 第二階段:人工智能進階級培訓(xùn)內(nèi)容,讓學(xué)員掌握人工智能中用到的機器學(xué)習(xí)方法和深度學(xué)習(xí)方法,包括有監(jiān)督學(xué)習(xí),無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí),以及決策樹機器學(xué)習(xí)、樸素貝葉斯機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)、深度學(xué)習(xí)、巻積神經(jīng)網(wǎng)絡(luò)和 LSTM神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)的算法模型的原理和應(yīng)用實踐操作, 每類算法模型在具體場景中的應(yīng)用實踐。
3) 第三階段:人工智能高級項目應(yīng)用培訓(xùn)內(nèi)容,讓學(xué)員掌握人工智能的系統(tǒng)平臺工具的應(yīng)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(xué)習(xí)平臺, Keras深度學(xué)習(xí)庫和 Python Al系統(tǒng)的應(yīng)用實踐,在講解的同時,由講師帶著學(xué)員對人工智能工具安排實踐操作, 讓學(xué)員更突出掌握實戰(zhàn)技能。

培訓(xùn)目標

1、通過本課程的學(xué)習(xí), 學(xué)員可以用較短的時間掌握人工智能領(lǐng)域的基礎(chǔ)和精華內(nèi)容
2、讓學(xué)員掌握人工智能的基礎(chǔ)知識,人工智能的問題解決思路,人工智能的應(yīng)用案例,人工智能產(chǎn)業(yè)和人工智能產(chǎn)品的應(yīng)用解決方案 。
3、讓學(xué)員掌握人工智能的技術(shù)平臺應(yīng)用,重點包括PythonKeras, TensorFlow, PyTorch,,Theano, CNTK, Caffe等應(yīng)用實戰(zhàn),并且通過兩三個具體的企業(yè)應(yīng)用實驗操作,鞏固掌握的 Al技術(shù)和平臺。

培訓(xùn)方式

定制授課+實戰(zhàn)案例訓(xùn)練+考試互動咨詢討論
本課程采用技術(shù)原理與項目實戰(zhàn)相結(jié)合的方式進行教學(xué), 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(yīng)用案例供學(xué)員動手訓(xùn)練 。

培訓(xùn)內(nèi)容

模塊一人工智能基礎(chǔ)、技術(shù)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(luò)
3.人工智能的國家政策解讀
4.人工智能的技術(shù)體系
5.人工智能的技術(shù)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(shù)實現(xiàn)
7.人工智能領(lǐng)域的經(jīng)典問題和求解方式
8.機器學(xué)習(xí)模型和推理符號模型
9.業(yè)界主流的機器學(xué)習(xí)方法解決人工智能領(lǐng)域的思路
10.人工智能和大數(shù)據(jù)
11.人工智能和機器學(xué)習(xí)
12.人工智能和深度學(xué)習(xí)
模塊三人工智能的學(xué)習(xí)方式
13.有監(jiān)督學(xué)習(xí)訓(xùn)練
14.無監(jiān)督學(xué)習(xí)訓(xùn)練
15.半監(jiān)督學(xué)習(xí)訓(xùn)練
模塊四人工智能的行業(yè)應(yīng)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(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例
18.人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用
19.人工智能在制造業(yè)領(lǐng)域的應(yīng)用
20.人工智能在金融、消費領(lǐng)域的應(yīng)用
21.人工智能在出行、旅游領(lǐng)域的應(yīng)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(xué)習(xí)的算法模型的應(yīng)用實踐(1)
25.人工智能領(lǐng)域的四大類經(jīng)典算法模型
26.神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)算法模型及其應(yīng)用
27.決策樹算法模型及其應(yīng)用
28.關(guān)聯(lián)分析算法模型及其應(yīng)用
29.聚類分析算法模型及其應(yīng)用
30.深度學(xué)習(xí)算法模型及應(yīng)用
模塊七人工智能機器學(xué)習(xí)的算法模型的應(yīng)用實踐(2)
31.樸素貝葉斯算法模型及其應(yīng)用
32.邏輯回歸算法模型及其預(yù)測應(yīng)用
33.Python機器學(xué)習(xí)庫的應(yīng)用
34.Python Scikit-learn算法庫的使用講解
模塊八人工智能和機器學(xué)習(xí)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(yù)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(xué)習(xí)技術(shù)及其應(yīng)用
38.淺層學(xué)習(xí)技術(shù)及應(yīng)用
39.深度學(xué)習(xí)算法、技模型及應(yīng)用
40.CNN卷積神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用
41.RNN循環(huán)神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用
42.LSTM神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用
43.深度學(xué)習(xí)在人臉識別、語音識別領(lǐng)域的解決方案
模塊十TensorFlow Al深度學(xué)習(xí)平臺及其應(yīng)用實踐(1)
44.TensorFlow: 一個Al深度學(xué)習(xí)框架的概述
45.TensorFlow架構(gòu)
46.TensorFlow的安裝、部署、配置
47.TensorFlow的應(yīng)用場景和應(yīng)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(yīng)用,以及算法部署,算法調(diào)優(yōu),處理效率提升之道
50.基于Tensorflow實現(xiàn)RNN(LSTM)模型應(yīng)用,　以及算法部署,
算法調(diào)優(yōu),處理效率提升之道
模塊十一TensorFlow Al深度學(xué)習(xí)平臺及其應(yīng)用實踐(2)
51.TensorFlow CNN應(yīng)用操作
52.TensorFlow RNN應(yīng)用操作
53.TensorFlow LSTM應(yīng)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(xué)習(xí)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(yīng)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(yīng)用實踐
62.Keras人工智能平臺架構(gòu)
63.Keras Al平臺的部署與配置
64.Keras技術(shù)實現(xiàn)與工作機制
65.Keras序貫?zāi)Ｐ团c函數(shù)式模型
66.Keras圖像與自然語言應(yīng)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(yù)測項目
75.講師提供項目指導(dǎo)手冊,帶著學(xué)員完成,學(xué)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(shù)能力
77.人工智能工程師的必備業(yè)務(wù)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(xùn)內(nèi)容綜合、
應(yīng)用完整實踐與咨詢討論
80.根據(jù)講師布置的實際應(yīng)用案例, 開展人工智能和大數(shù)據(jù)完整項目部署設(shè)計和應(yīng)用開發(fā)實踐、 應(yīng)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(xué)院,獲工學(xué)博士學(xué)位(計算機專業(yè)),博士后(虛擬經(jīng)濟與數(shù)據(jù)科學(xué)專業(yè)) , 曾在國內(nèi)某高校和某大型通信企業(yè)工作過, 目前在中國科學(xué)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(shè)與教學(xué)專家,新技術(shù)課程開發(fā)組長。近八年來帶領(lǐng)團隊主要從事 Python編程、 Al人工智能、深度學(xué)習(xí)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(xué)習(xí)(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(wù)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(wù))、云存儲系統(tǒng)、 Swift對象存儲系統(tǒng)、網(wǎng)絡(luò)GIS 地圖服務(wù)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。