一、人工智能课程背景
近年来,随着计算能力的提升和数据的大规模积累,人工智能得到了快速发展。深度学习技术的兴起引领了人工智能的全新浪潮,人工智能正以惊人的速度改变着我们的生活方式、工作方式和思维方式。
人工智能的五大未来趋势:
1)生成式AI将继续快速发展;
2)AI将成人类“左膀右臂”;
3) AI将进一步融入各行各业的工作;
4)可解释性AI的发展;
5)AI道理和法规的完善。
中培IT学院承办,主题为“人工智能实践项目案例分析与实战应用”培训班在全国巡回展开,特邀各国企、事业单位、大型IT公司等组织机构的相关技术人员参加,具体事宜如下:
二、人工智能课程培训
开班日期:6月22-25日( 杭州+线上直播 )
招生范围:杭州及(上海,苏州,南京)周边区域的各企事业单位及个人工程师
纸质资料:《人工智能实践项目案例分析与实战应用》随堂教材
课程安排:为期4天,每天6课时,课后提供视频回放,学习群交流。
三、人工智能课程详情
本次课程独具特色,融合了理论与案例分析。课程内容将涵盖了人工智能概念与原理、实践案例分析以及最新的技术发展趋势,以满足学员想要提升自身技术的需求。在实践方面,我们的授课专家团队拥有多年的人工智能领域的相关经验,能够提供丰富的案例分析和实战指导。
四、人工智能课程大纲
培训章节
|
培训内容
|
机器学习基础
|
1. 机器学习的开发过程
2. 监督学习的处理模式
3. 无监督学习的处理模式
4. 机器学习模型的开发步骤
5. 机器学习模型开发的要点
|
机器学习实战
|
1. 分类
2. 回归
3. 时间序列分析
4. 关联分析
5. 聚类与降维
|
深度学习基础
|
1. 神经元与神经网络
2. 激活函数的点火机制
3. Sigmoid函数与参数优化
4. 梯度下降法
5. 简单感知机
6. 多层感知机
7. Tensorflow实现感知机
8. Keras实现感知机
9. PyTorch实现感知机
|
深度学习进阶
|
1. 前馈神经网络
2. 误差反向传播
3. 创建神经网络
4. Fashion-MNIST图像识别
5. TensorFlow构建图像识别网络模型
6. Keras构建图像识别网络模型
7. PyTorch构建图像识别网络模型
|
卷积神经网络与图像识别
|
1. 卷积神经网络的结构
2. 基于TensorFlow构建CNN
3. 基于Keras构建CNN
4. 基于PyTorch构建CNN
|
一般物体的图像识别
|
1. 多分类数据集CIFAR-10介绍
2. CNN识别普通物体的结构
3. 基于TensorFlow + CNN构建物体识别模型
4. 基于Keras + CNN构建物体识别模型
5. 基于PyTorch + CNN构建物体识别模型
6. 模型调优提高物体识别精度
|
循环神经网络
|
1. RNN基本结构
2. LSTM文章生成
3. GRU图像生成
4. VEA图像生成
5. GAN图像生成
|
Open CV与图像识别
|
1. OpenCV安装
2. 基于OpenCV物体检测
3. 图像检测与图像保存
|
知识图谱概述
|
1.知识图谱(KG)概念
2.知识图谱的起源与发展
3.典型知识图谱项目简介
4.知识图谱技术概述
5.知识图谱典型应用
|
知识存储
|
1. 知识图谱数据库
2. 知识图谱存储方法
3. 基于Neo4j的知识存储实践
4. 开源知识存储工具理论与实践
|
知识图谱案例
|
基于Neo4j人物关系知识图谱存储与检索
|
GYM与强化学习
|
1. GYM安装与游戏奖罚设置
2. 强化学习的与众不同
3. 马尔科夫性质与决策过程
4. SARSA 算法介绍与推导
5. 蒙特卡洛多步采样
|
基于DQN神经网络构建
|
1. CartPole规则与演示
2. Q-Table局限性
3. 爬山算法获取最优解
4. DQN 强化神经网络
5. DQN原理分析
6. 强化学习模型部署与应用
|
五、人工智能培训收益
课程中通过讲师专业、细致、系统的讲解,使学员迅速掌握该技术的本质。
相关知识收益:
回归算法理论与实战;分类算法理论与实战;降维算法理论与实战;聚类算法理论与实战;神经网络算法;Tensorflow DNN CNN构建;基于OpenCV计算机视觉识别;从0到1完成知识图谱构建;
相关案例收益:
通过展示教师的实际科研成果,讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员掌握知识图谱基础与专门知识,获得较强的知识图谱应用系统的分析、设计、实现能力。
咨询“人工智能实践项目案例分析与实战应用”课程详情,或报名
可拨打400-808-2006 / 13910781835(微信)联系客服方老师