課程背景
人工智能(Artificial Intelligence),英文縮寫為AI。是新一輪科技革命和產業變革的重要驅動力量,是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智能是智能學科重要的組成部分,它企圖了解智能的實質,并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能是十分廣泛的科學,包括機器人、語言識別、圖像識別、自然語言處理、專家系統、機器學習,計算機視覺等。
課程簡介
中培偉業特邀相關領域權威專家精心打造了“人工智能實踐項目案例分析與實戰應用”課程,并定期開展公開課。本次培訓從實戰的角度對深度學習技術進行了全面的剖析,并結合實際案例分析,探討深度學習、機器學習、圖像識別、知識圖譜的應用場景。給相關從業人員以指導和啟迪。
參加培訓并通過考試學員,由工業和信息化部教育與考試中心統一頒發《人工智能核心技術(高級)》工業和信息化職業能力證書,證書可作為專業技術人員職業能力考核的證明,以及專業技術人員崗位聘用、任職、定級和晉升職務的重要依據。
《人工智能實踐項目案例分析與實戰應用》證書樣本
培訓收益
通過展示教師的實際科研成果,講述人工智能與知識圖譜的技術原理與應用系統開發方法、知識圖譜系統開發工具使用方法。使學員獲得:
1. 知識與技能提升——深化理論理解、掌握實踐技能、培養問題解決能力
2. 行業洞察與經驗積累——了解行業應用趨勢,積累項目實施經驗,拓展行業人脈資源
3. 創新思維與能力培養——激發創新靈感,培養批判性思維,提升綜合創新能力
4. 職業發展與競爭力提升——增強就業競爭力,適應職業發展需求,助力職業轉型與晉升。
帶你一課打通人工智能實用技能
培訓對象
政府、企業、學校IT相關技術人員;
高校相關專業碩士、博士研究生;
人工智能與知識圖譜系統架構師與編程人員;
企業管理人員、技術主管、產品經理及決策者。
中培優勢
課程安排
時間 | 內容 | 備注 |
第一天 | 機器學習基礎 | 1. 機器學習的開發過程 2. 監督學習的處理模式 3. 無監督學習的處理模式 4. 機器學習模型的開發步驟 5. 機器學習模型開發的要點 |
機器學習實戰 | 1. 分類 2. 回歸 3. 時間序列分析 4. 關聯分析 5. 聚類與降維 |
|
第二天 | 深度學習基礎 | 1. 神經元與神經網絡 2. 激活函數的點火機制 3. Sigmoid函數與參數優化 4. 梯度下降法 5. 簡單感知機 6. 多層感知機 7. Tensorflow實現感知機 8. Keras實現感知機 9. PyTorch實現感知機 |
深度學習進階 | 1. 前饋神經網絡 2. 誤差反向傳播 3. 創建神經網絡 4. Fashion-MNIST圖像識別 5. TensorFlow構建圖像識別網絡模型 6. Keras構建圖像識別網絡模型 7. PyTorch構建圖像識別網絡模型 |
|
卷積神經網絡與圖像識別 | 1. 卷積神經網絡的結構 2. 基于TensorFlow構建CNN 3. 基于Keras構建CNN 4. 基于PyTorch構建CNN |
|
第三天 | 一般物體的圖像識別 | 1. 多分類數據集CIFAR-10介紹 2. CNN識別普通物體的結構 3. 基于TensorFlow+CNN構建物體識別模型 4. 基于Keras+CNN構建物體識別模型 5. 基于PyTorch+CNN構建物體識別模型 6. 模型調優提高物體識別精度 |
YOLO與目標識別 | 1. YOLO介紹與版本安裝 2. 基于YOLO物體檢測 3. Labelimg物體標注 4. 目標檢測與檢測結果保存 |
|
GYM與強化學習 | 1. GYM安裝與游戲獎罰設置 2. 強化學習的與眾不同 3. 馬爾科夫性質與決策過程 4. SARSA 算法介紹與推導 5. 蒙特卡洛多步采樣 |
|
知識圖譜的存儲與檢索 | 1. 知識圖譜數據庫 2. 知識圖譜存儲方法 3. 基于Neo4j的知識存儲實踐 4. 開源知識存儲工具理論與實踐 |
|
第四天 | 注意力機制 | 1. 點積注意力機制 2. 編碼與解碼注意力 3. 注意力機制中的Q、K、V 4. 自注意力與多頭注意力 |
TransFormer架構解析 | 1. 各種注意力的應用 2. 編碼器輸入與位置編碼 3. 編碼器的內部結構 4. 訓練自己的TransFormer模型 |
|
Hugging Face平臺介紹與使用 | 1. Hugging Face 平臺簡介與生態系統 2. Hugging Face 數據集庫 3. Transformers 庫的使用 4. 模型部署與推理 API |
講師團隊
劉老師 西安郵電學院計算機科學與技術專業
擁有著十幾年軟件研發經驗,7年企業培訓經驗,對Java、Python、區塊鏈等技術領域有獨特的研究,精通J2EE企業級開發技術。Java方向:設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數據推薦,Tensorflow人工智能框架、人臉識別技術。區塊鏈方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
王老師 北京郵電大學軟件工程碩士
近10年的IT領域相關技術研究和項目開發工作,6年新東方、中國移動、中興能源和中培教育培訓講師經驗,參與國家級氣象軟件工程規范制定工作,對軟件技術演變歷史和趨勢有深入體驗,現任某軟件科技公司CEO。機器學習,深度學習領域多年一線開發研究經驗,精通算法原理與編程實踐。曾使用Tensorflow,Caffe,Keras等深度學習框架完成過多項圖像,語音,nlp,知識圖譜,搜索相關的人工智能實際項目,研發經驗豐富。擁有兩項國家專利。同時具有多年授課培訓經驗,講課通俗易懂,代碼風格簡潔清晰。
覃老師 上海大學物理學碩士
創業公司合伙人,技術總監。機器學習,深度學習領域多年一線開發研究經驗,精通算法原理與編程實踐。曾使用Tensorflow,Caffe,Keras等深度學習框架完成過多項圖像,語音,nlp,搜索相關的人工智能實際項目,研發經驗豐富。擁有兩項國家專利。同時具有多年授課培訓經驗,講課通俗易懂,代碼風格簡潔清晰。
考試須知
人工智能實踐項目案例分析與實戰應用考試說明 | |||
考試形式 | 線上機考 | ||
考試平臺 | 數字化人才培養--專項技術考試平臺:www.qinzhounet.cn | ||
登錄方式 | 報名后即刻開通賬號密碼 | ||
考試時長 | 考試題型 | 題量 | 通過比例(分值) |
100分鐘 | 單選題 | 100道 | 60%、60分 |