人工智能與機器學習實戰(zhàn)培訓課程
?
?
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(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。
?
培訓對象：
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
?
學員基礎：了解Python編程，并對機器學習算法有基礎概念了解
?
|
培訓內容：
|
|
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(chǎn)業(yè)和主流人工智能產(chǎn)品
|
|
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
|
|
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(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
|
|
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(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
|
|
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
|
|
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
|
|
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
|
|
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(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
|
|
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
|
|
Tensorboard AI 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)文本挖掘操作
|
|
Keras 人工智能平臺應用實踐
|
62. Keras人工智能平臺架構
63. Keras AI平臺的部署與配置
64. Keras技術實現(xiàn)與工作機制
65. Keras序列模式
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）
|
|
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
|
|
項目實踐
|
73. 人臉識別項目
74. 新聞內容文本分類預測項目
講師答疑
|
?
|
