近年来,随着“人工智能”深入应用到社会各个行业,通过将对应的人工智能技术比如人脸识别,车牌识别等应用到具体的行业信息化领域,包括新兴互联网企业(如电商企业、搜索引擎、社交网站、互联网广告服务提供商等)、金融企业(银行、保险、证券公司、互联网金融借贷公司等)、通信运营商(电信、移动、联通)等行业的企业。在国内外形成了独具特色的智能产业和智能经济。
本课程对业界主流最新的人工智能及其应用实战技术分成基础级、进阶级、高级实战三个层次进行系统化地培训,让学员分成三个阶段深入系统地掌握人工智能技术的应用:
定制授课+ 实战案例训练+ 互动咨询讨论,共3天
本课程采用技术原理与项目实战相结合的方式进行教学,在讲授原理的过程中,穿插实际的系统操作,本课程讲师也精心准备的实际的应用案例供学员动手训练。
时间 | 专题 | 详细内容与知识点 |
第一天 | 人工智能基础、技术及其体系 | 1. 人工智能(Artificial Intelligence,AI)的定义、起源、用途
2. 人工智能的发展历程与脉络 3. 人工智能的国家政策解读 4. 人工智能的技术体系 5. 人工智能的技术框架 6. 中国和美国的人工智能产业和主流人工智能产品 |
人工智能的问题求解及技术实现 | 7. 人工智能领域的经典问题和求解方式
8. 机器学习模型和推理符号模型 9. 业界主流的机器学习方法解决人工智能领域的思路 10. 人工智能和大数据 11. 人工智能和机器学习 12. 人工智能和深度学习 |
|
人工智能的学习方式 | 13. 有监督学习训练
14. 无监督学习训练 15. 半监督学习训练 |
|
人工智能的行业应用与发展 | 16. 人工智能的行业图谱和行业发展剖析
17. 人工智能结合大数据的行业应用案例 18. 人工智能在“互联网+”领域的应用 19. 人工智能在制造业领域的应用 20. 人工智能在金融、消费领域的应用 21. 人工智能在出行、旅游领域的应用 |
|
部署人工智能实验平台 | 22. 部署人工智能实验操作软件和环境
23. 运行讲师提供的人工智能简单示例验证环境的准确性 24. 熟悉实验资料和实验环境 |
|
人工智能机器学习的算法模型的应用实践(1) | 25. 人工智能领域的四大类经典算法模型
26. 神经网络机器学习算法模型及其应用 27. 决策树算法模型及其应用 28. 关联分析算法模型及其应用 29. 聚类分析算法模型及其应用 30. 深度学习算法模型及应用 |
|
人工智能机器学习的算法模型的应用实践(2) | 31. 朴素贝叶斯算法模型及其应用
32. 逻辑回归算法模型及其预测应用 33. Python机器学习库的应用 34. Python Scikit-learn算法库的使用讲解 |
|
第二天 | 人工智能和机器学习的实验操作 | 35. Python Scikit-learn算法库的实战操作
36. 利用Python语言编程,实现分类预测项目 37. 实验要求准确率、召回率、误差等指标 |
深度学习技术及其应用 | 38. 浅层学习技术及应用
39. 深度学习算法、技模型及应用 40. CNN卷积神经网络算法模型及应用 41. RNN循环神经网络算法模型及应用 42. LSTM神经网络算法模型及应用 43. 深度学习在人脸识别、语音识别领域的解决方案 |
|
TensorFlow AI深度学习平台及其应用实践(1) | 44. TensorFlow:一个AI深度学习框架的概述
45. TensorFlow架构 46. TensorFlow的安装、部署、配置 47. TensorFlow的应用场景和应用案例 48. TensorFlow搭建GPU和CPU人工智能集群 49. 基于Tensorflow实现CNN模型应用,以及算法部署,算法调优,处理效率提升之道 50. 基于Tensorflow实现RNN(LSTM)模型应用,以及算法部署,算法调优,处理效率提升之道 |
|
TensorFlow AI深度学习平台及其应用实践(2) | 51. TensorFlow CNN应用操作
52. TensorFlow RNN应用操作 53. TensorFlow LSTM应用操作 54. TensorFlow在自然语言生成建模案例 55. TensorFlow在图像识别的实验操作 |
|
第三天 | 企业级人工智能项目开发实践 | 56. 人工智能项目的开发工具
57. 企业级人工智能项目的数据源选择、技术选型 58. 企业级人工智能项目的软件、平台、以及业界开源资料 59. 企业级人工智能项目的着眼点、发力点、落脚点 60. 企业级人工智能项目的产品架构设计,及其盈利 |
Keras 人工智能平台应用实践 | 61. Keras人工智能平台架构
62. Keras AI平台的部署与配置 63. Keras技术实现与工作机制 64. Keras序列模式 65. Keras图像与自然语言应用案例 66. Keras实验操作:Kaggle图像比赛与优化案例(选做) |
|
人工智能的产品解决方案 | 67. 图像处理解决方案
68. 人脸识别解决方案 69. 语音识别解决方案 70. 文本分类解决方案 71. 视频理解解决方案 |
|
项目实践 | 72. 人脸识别项目
73. 新闻内容文本分类预测项目 74. 讲师提供项目指导手册,带着学员完成,学员独立完成后,讲师答疑 |
|
人工智能项目工程师的技能素养
(选讲) |
75. 人工智能工程师的必备技术能力
76. 人工智能工程师的必备业务理解能力 77. 人工智能工程师的必备数据洞察能力 78. 人工智能工程师的进阶路线和职业素养 |
|
培训内容综合、应用完整实践与咨询讨论 | 79. 根据讲师布置的实际应用案例,开展人工智能和大数据完整项目部署设计和应用开发实践、应用实施以及解决方案分享咨询与交流讨论 |