您现在的位置：首页 > 企业内训 > 人工智能和大数据分析挖掘应用实践培训方案

人工智能和大数据分析挖掘应用实践培训方案

2022-7-28 10:02:08　|　来源：中培IT学院

一、 课程简介

近年来，随着“大数据”“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大数据分析挖掘和机器学习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：

1) 第一阶段：人工智能机器学习基础级培训内容，让学员掌握人工智能的基础知识，人工智能的问题解决思路，人工智能的应用案例，人工智能产业和人工智能产品的应用解决方案。本阶段重点让学员掌握：人工智能基础知识、机器学习基础知识、人工智能的现状、机器学习基础知识、机器学习基础算法。

2) 第二阶段：人工智能和数据分析挖掘进阶级培训内容，让学员掌握人工智能中用到的机器学习方法和深度学习方法，包括有监督学习，无监督学习和半监督学习，以及决策树机器学习、朴素贝叶斯机器学习、神经网络机器学习、深度学习、卷积神经网络和LSTM神经网络机器学习的算法模型的原理和应用实践操作，每类算法模型在具体场景中的应用实践。让学员掌握人工智能的系统平台工具的应用实战，包括人工智能的代表性系统工具平台：TesorFlow深度学习平台，Keras深度学习库和Python AI系统的应用实践。

在讲解的同时，由讲师带着学员对人工智能工具安排实践操作，让学员更突出掌握实战技能。

二、 课程收益

1、通过本课程的学习，学员可以用较短的时间掌握机器学习领域的基础和精华内容

2、让学员掌握大数据的基础知识，大数据能的问题解决思路，人工智能机器学习的应用案例，人工智能产业和大数据产品的应用解决方案。

3、让学员掌握人工智能的技术平台应用，重点包括Python Keras，TensorFlow，PyTorch， Theano，CNTK，Caffe等应用实战，并且通过两三个具体的企业应用实验操作，巩固掌握的AI技术和平台。

三、 授课对象

1、 IT工程师

2、人工智能架构师

3、其它对人工智能和机器学习感兴趣的人员

四、 课程特色

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。

五、 大纲内容

时间	专题	详细内容与知识点
第一天	人工智能	1. 人工智能发展历程 2. 人工智能（Artificial Intelligence，AI）的作用、起源、用途 3. 人工智能机器学习的技术体系 4. 人工智能机器学习的技术框架 5. 机器学习和大数据
	人工智能、机器学习和大数据架构	6. 人工智能领域的经典问题和求解方式 7. 业界主流的机器学习方法解决人工智能领域的思路 8. 人工智能和大数据 9. 人工智能和机器学习 10. 人工智能和深度学习
	机器学习方式	11. 机器学习训练过程 12. 有监督学习训练 13. 无监督学习训练 14. 半监督学习训练
	人工智能机器学习算法原理和模型应用（1）	15. 人工智能领域的四大类经典算法模型 16. 朴素贝叶斯算法模型及其应用 17. 决策树算法模型及其应用
第二天	人工智能机器学习算法原理和模型应用（2）	18. Python机器学习库的应用 19. Python Scikit-learn算法库的使用讲解 20. 关联分析算法模型及其应用 21. 逻辑回归算法模型及其预测应用
	部署大数据分析挖掘实验平台	22. 部署人工智能实验操作软件和环境 23. 运行讲师提供的验证环境的准确性 24. 熟悉实验资料和实验环境 25. 机器学习的应用小案例：结构化数据的预测 a) 加载数据、数据处理、特征选择 b) 建立模型、保存模型、评估模型 c) 发布模型、使用模型、预测应用
	大数据、机器学习的进阶算法模型的应用实践	26. 神经网络机器学习算法模型及其应用 27. 深度学习算法模型及应用 28. 人工智能实用工具
	大数据和深度学习及其应用	29. 深度学习算法、模型及应用 30. CNN卷积神经网络算法模型及应用 31. RNN，LSTM深度学习模型的应用场景和预测 32. AutoEncoder深度学习模型的应用场景和预测
第三天	TensorFlow和Keras深度学习平台应用实践	33. TensorFlow：一个AI机器学习与深度学习框架的概述 34. TensorFlow架构 35. TensorFlow的安装、部署、配置 36. TensorFlow的应用场景和应用案例 37. Keras人工智能平台架构 38. Keras AI平台的部署与配置
第三天	项目实践	39. 电信用户行为数据分析项目 40. 运营商客户流失预测识别项目 41. 文本内容文本分类预测项目 42. 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