人工智能技術(shù)及其應(yīng)用實(shí)戰(zhàn)其它上課時(shí)間：

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(duì)人工智能和機(jī)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(huì)各個(gè)行業(yè), 通過將對(duì)應(yīng)的人工智能技術(shù)比如人臉識(shí)別,車牌識(shí)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(xiǎn)、證券公司、互聯(lián)網(wǎng)金融借貸公司等)、通信運(yùn)營(yíng)商(電信、移動(dòng)、聯(lián)通)等行業(yè)的企業(yè)。
本課程對(duì)業(yè)界主流最新的人工智能及其應(yīng)用實(shí)戰(zhàn)技術(shù)分成基礎(chǔ)級(jí)、 進(jìn)階級(jí)、 高級(jí)實(shí)戰(zhàn)三個(gè)層次進(jìn)行系統(tǒng)化地培訓(xùn), 讓學(xué)員分成三個(gè)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(jí)培訓(xùn)內(nèi)容,讓學(xué)員掌握人工智能的基礎(chǔ)知識(shí),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(jìn)階級(jí)培訓(xùn)內(nèi)容,讓學(xué)員掌握人工智能中用到的機(jī)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(wú)監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí),以及決策樹機(jī)器學(xué)習(xí)、樸素貝葉斯機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)機(jī)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(jī)器學(xué)習(xí)的算法模型的原理和應(yīng)用實(shí)踐操作, 每類算法模型在具體場(chǎng)景中的應(yīng)用實(shí)踐。
3) 第三階段:人工智能高級(jí)項(xiàng)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(tái)工具的應(yīng)用實(shí)戰(zhàn), 包括人工智能的代表性系統(tǒng)工具平臺(tái): TesorFlow深度學(xué)習(xí)平臺(tái), Keras深度學(xué)習(xí)庫(kù)和 Python Al系統(tǒng)的應(yīng)用實(shí)踐,在講解的同時(shí),由講師帶著學(xué)員對(duì)人工智能工具安排實(shí)踐操作, 讓學(xué)員更突出掌握實(shí)戰(zhàn)技能。

培訓(xùn)目標(biāo)

1、通過本課程的學(xué)習(xí), 學(xué)員可以用較短的時(shí)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(shí),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(tái)應(yīng)用,重點(diǎn)包括PythonKeras, TensorFlow, PyTorch,,Theano, CNTK, Caffe等應(yīng)用實(shí)戰(zhàn),并且通過兩三個(gè)具體的企業(yè)應(yīng)用實(shí)驗(yàn)操作,鞏固掌握的 Al技術(shù)和平臺(tái)。

培訓(xùn)方式

定制授課+實(shí)戰(zhàn)案例訓(xùn)練+考試互動(dòng)咨詢討論
本課程采用技術(shù)原理與項(xiàng)目實(shí)戰(zhàn)相結(jié)合的方式進(jìn)行教學(xué), 在講授原理的過程中, 穿插實(shí)際的系統(tǒng)操作, 本課程講師也精心準(zhǔn)備的實(shí)際的應(yīng)用案例供學(xué)員動(dòng)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(guó)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(guó)和美國(guó)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(shí)現(xiàn)
7.人工智能領(lǐng)域的經(jīng)典問題和求解方式
8.機(jī)器學(xué)習(xí)模型和推理符號(hào)模型
9.業(yè)界主流的機(jī)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(jī)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(wú)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(fèi)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(shí)驗(yàn)平臺(tái)
22.部署人工智能實(shí)驗(yàn)操作軟件和環(huán)境
23.運(yùn)行講師提供的人工智能簡(jiǎn)単示例驗(yàn)證環(huán)境的準(zhǔn)確性
24.熟悉實(shí)驗(yàn)資料和實(shí)驗(yàn)環(huán)境 
模塊六人工智能機(jī)器學(xué)習(xí)的算法模型的應(yīng)用實(shí)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(jī)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(jī)器學(xué)習(xí)的算法模型的應(yīng)用實(shí)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(cè)應(yīng)用
33.Python機(jī)器學(xué)習(xí)庫(kù)的應(yīng)用
34.Python Scikit-learn算法庫(kù)的使用講解
模塊八人工智能和機(jī)器學(xué)習(xí)的實(shí)驗(yàn)操作
35.Python Scikit_learn算法庫(kù)的實(shí)戰(zhàn)操作
36.利用 Python語(yǔ)言編程,實(shí)現(xiàn)分類預(yù)測(cè)項(xiàng)目
37.實(shí)驗(yàn)要求準(zhǔn)確率、召回率、誤差等指標(biāo)
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(shí)別、語(yǔ)音識(shí)別領(lǐng)域的解決方案
模塊十TensorFlow Al深度學(xué)習(xí)平臺(tái)及其應(yīng)用實(shí)踐(1)
44.TensorFlow: 一個(gè)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(chǎng)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(shí)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(shí)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(tái)及其應(yīng)用實(shí)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(yǔ)言生成建模案例
55.TensorFlow在圖像識(shí)別的實(shí)驗(yàn)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(jiǎn)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(píng)估與優(yōu)化
59.Tensorboard的部署、配置和應(yīng)用編程
60.利用 Tensorboard實(shí)現(xiàn)圖像識(shí)別操作
61.利用 TensorFlow實(shí)現(xiàn)文本控掘操作
模塊十三Keras人工智能平臺(tái)應(yīng)用實(shí)踐
62.Keras人工智能平臺(tái)架構(gòu)
63.Keras Al平臺(tái)的部署與配置
64.Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制
65.Keras序貫?zāi)Ｐ团c函數(shù)式模型
66.Keras圖像與自然語(yǔ)言應(yīng)用案例
67.Keras實(shí)驗(yàn)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(shí)別解決方案
70.語(yǔ)音識(shí)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(xiàng)目實(shí)踐
73.人臉識(shí)別項(xiàng)目
74.文本數(shù)據(jù)預(yù)測(cè)項(xiàng)目
75.講師提供項(xiàng)目指導(dǎo)手冊(cè),帶著學(xué)員完成,學(xué)員獨(dú)立完成后,講師答疑
模塊十六人工智能項(xiàng)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(jìn)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(shí)踐與咨詢討論
80.根據(jù)講師布置的實(shí)際應(yīng)用案例, 開展人工智能和大數(shù)據(jù)完整項(xiàng)目部署設(shè)計(jì)和應(yīng)用開發(fā)實(shí)踐、 應(yīng)用實(shí)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(guó)科學(xué)院,獲工學(xué)博士學(xué)位(計(jì)算機(jī)專業(yè)),博士后(虛擬經(jīng)濟(jì)與數(shù)據(jù)科學(xué)專業(yè)) , 曾在國(guó)內(nèi)某高校和某大型通信企業(yè)工作過, 目前在中國(guó)科學(xué)院某研究所工作,副研究員,高級(jí)工程師,項(xiàng)目組長(zhǎng),團(tuán)隊(duì)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(zhǎng)。近八年來帶領(lǐng)團(tuán)隊(duì)主要從事 Python編程、 Al人工智能、深度學(xué)習(xí)平臺(tái)的項(xiàng)目實(shí)踐(Tensorflow、 Keras、 PyTorch、 Caffe、 Theano, CNTK等)、大數(shù)據(jù)建模分析控掘與機(jī)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(cāng)庫(kù)(HIVE)和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)(SparkSQL、 Shark), MPP并行數(shù)據(jù)倉(cāng)庫(kù)(Greenplum etc)、NoSQL與NewSQL分布式數(shù)據(jù)庫(kù)(HBase、 MongoDB、 Cassandra etc)、(移動(dòng))電子商務(wù)平臺(tái)、大數(shù)據(jù)搜索平臺(tái)(ElasticSearch、 Solr、 Lucene等)、云計(jì)算與虛擬化(0penStack, VMware, XenServer, CloudStack, KVM, Docker, SaaS服務(wù))、云存儲(chǔ)系統(tǒng)、 Swift對(duì)象存儲(chǔ)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(tái)方面的項(xiàng)目研發(fā)與管理工作。