【培训背景】
Python是一种面向对象的，动态的程序设计语言，具有非常简洁而清晰的语法，既可以用于快速开发程序，也可以用于开发大规模软件，特别适合完成高层任务。随着 NumPy、SciPy等众多程序库的开发，Python越来越适合于做科学计算。Python是一门真正的通用程序设计语言，它有众多程序库的支持，并支持多种平台，完全免费，开放源码。机器学习（数据挖掘）是从大量数据中挖掘隐含的、先前未知的、对决策有潜在价值的关系，并用这些知识和规则建立模型预测信息。机器学习有助于发现自然规律，解释已知的现象，预测未知的结果，因此机器学习已成为当代科学研究的崭新的研究方法。
【授课形式】线下面授班（公开课、企业内训均可）
【配套服务】提供课程培训讲义、365天无限回放、专家在线答疑、班主任教学管理服务。
【支持城市】
北京 上海 广州 深圳 成都 重庆 天津 沈阳 济南 西安 郑州 武汉 苏州 杭州 昆明
长春 大连 青岛 厦门 宁波 西宁 徐州 东莞 合肥 嘉兴 无锡 长沙 乌鲁木齐......
【近期开班】
北京 8月26-29|上海 11月27-30
......全国常年巡回开班，另有线上直播、录播课程随报随学
（满10人即可申请加开当地面授）
【培训对象】
架构师、分析师、项目经理、高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师以及未来可能从事人工智能研发的技术人员。
【培训收益】
掌握数据挖掘与机器学习基本知识；掌握数据挖掘与机器学习进阶知识；掌握深度学习的理论与实践；掌握Python开发技能；掌握深度学习工具：TensorFlow、Keras等；为学员的后续项目应用提供针对性的建议。
【培训安排】（3天，每次6-7小时）
|
培训模块
|
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
|
|
知识表示
|
1.早期知识表示方法
2.语义网知识表示框架
3.常见知识表示方法
4.向量表示方法
5.本体知识建模实践
|
|
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
|
|
知识抽取与融合
|
1.知识抽取任务
2 面向结构化数据的知识抽取
2.1 Direct Mapping
2.2 R2RML
3.面向半结构化数据的知识抽取
3.1 基于正则表达式的方法
3.2 基于包装器的方法
4.面向非结构化数据的知识抽取
4.1 实体抽取
4.2 关系抽取
4.3 事件抽取
5. 知识挖掘
5.1知识挖掘流程
5.2 知识挖掘主要方法
6 知识融合
6.1 本体匹配
6.2 实体对齐
|
|
知识图谱推理
与
语义搜索
|
1. 基于演绎的知识图谱推理
2. 基于归纳的知识图谱推理
3. 知识推理开源工具实践
4. 结构化查询语言
5. 语义数据搜索
6. 语义搜索开源工具实践
7. 知识问答初步
|
|
知识图谱案例
|
基于Neo4j人物关系知识图谱存储与检索
|
【培训讲师】
刘老师 西安邮电学院计算机科学与技术本科专业，拥有着十几年软件研发经验，7年企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通J2EE企业级开发技术。
王符伟 北京邮电大学软件工程硕士，近10年的IT领域相关技术研究和项目开发工作，6年新东方、中国移动、中兴能源和中培教育培训讲师经验，参与国家级气象软件工程规范制定工作。拥有两项国家专利。同时具有多年授课培训经验，讲课通俗易懂，代码风格简洁清晰。
覃老师 上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。同时具有多年授课培训经验，讲课通俗易懂，代码风格简洁清晰。
王老师 计算机博士，深入理解传统的计算机视觉方法与目前主流的深度学习算法，在图像识别、目标检测、图像分割、OCR、人脸识别等方向均进行了丰富的项目实战。
【结业证书】
课程结束后由中国信息化培训中心颁发《人工智能高级工程师》证书，证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
400-808-2006
扫码加老师微信
微信服务号