人工智能技术及其应用实战_公开课

培训受众:

1、通过本课程的学习, 学员可以用较短的时间掌握人工智能领域的基础和精华内容
2、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。
3、让学员掌握人工智能的技术平台应用,重点包括PythonKeras, 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 Al技术和平台

培训颁发证书:

1.工业和信息化部全国网络与信息技术考试管理中心中心颁发的-人工智能职业技能证书（等级高级）。该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。
注：请学员带二寸彩照2张（背面注明姓名）、身份证复印件一张。

课程大纲

内容模块	课程介绍	授课详细内容
模块一	人工智能基础、技术及其体系	1.人工智能(Artificiallntelligence, Al)的定义、起源、用途 2.人工智能的发展历程与月永络 3.人工智能的国家政策解读 4.人工智能的技术体系 5.人工智能的技术框架 6.中国和美国的人工智能产业和主流人工智能产品
模块二	人工智能的问题求解及技术实现	7.人工智能领域的经典问题和求解方式 8.机器学习模型和推理符号模型 9.业界主流的机器学习方法解决人工智能领域的思路 10.人工智能和大数据 11.人工智能和机器学习 12.人工智能和深度学习
模块三	人工智能的学习方式	13.有监督学习训练 14.无监督学习训练 15.半监督学习训练
模块四	人工智能的行业应用与发展	16.人工智能的行业图谱和行业发展割析 17.人工智能结合大数据的行业应用案例 18.人工智能在“互联网+”领域的应用 19.人工智能在制造业领域的应用 20.人工智能在金融、消费领域的应用 21.人工智能在出行、旅游领域的应用
模块五	部署人工智能实验平台	22.部署人工智能实验操作软件和环境 23.运行讲师提供的人工智能简単示例验证环境的准确性 24.熟悉实验资料和实验环境
模块六	人工智能机器学习的算法模型的应用实践(1)	25.人工智能领域的四大类经典算法模型 26.神经网络机器学习算法模型及其应用 27.决策树算法模型及其应用 28.关联分析算法模型及其应用 29.聚类分析算法模型及其应用 30.深度学习算法模型及应用
模块七	人工智能机器学习的算法模型的应用实践(2)	31.朴素贝叶斯算法模型及其应用 32.逻辑回归算法模型及其预测应用 33.Python机器学习库的应用 34.Python Scikit-learn算法库的使用讲解
模块八	人工智能和机器学习的实验操作	35.Python Scikit_learn算法库的实战操作 36.利用 Python语言编程,实现分类预测项目 37.实验要求准确率、召回率、误差等指标
模块九	深度学习技术及其应用	38.浅层学习技术及应用 39.深度学习算法、技模型及应用 40.CNN卷积神经网络算法模型及应用 41.RNN循环神经网络算法模型及应用 42.LSTM神经网络算法模型及应用 43.深度学习在人脸识别、语音识别领域的解决方案
模块十	TensorFlow Al深度学习平台及其应用实践(1)	44.TensorFlow: 一个Al深度学习框架的概述 45.TensorFlow架构 46.TensorFlow的安装、部署、配置 47.TensorFlow的应用场景和应用案例 48.TensorFlow搭建 GPU和 CPU人工智能集群 49.基于 Tensorflow实现 CNN模型应用,以及算法部署,算法调优,处理效率提升之道 50.基于Tensorflow实现RNN(LSTM)模型应用, 以及算法部署, 算法调优,处理效率提升之道
模块十一	TensorFlow Al深度学习平台及其应用实践(2)	51.TensorFlow CNN应用操作 52.TensorFlow RNN应用操作 53.TensorFlow LSTM应用操作 54.TensorFlow在自然语言生成建模案例 55.TensorFlow在图像识别的实验操作
模块十二	Tensorboard Al深度学习可视化建模工具与模型优化	56.Tensorboard简介 57.Tensorboard可视化和命名空间 58.TensorFlow人工智能建模模型状态评估与优化 59.Tensorboard的部署、配置和应用编程 60.利用 Tensorboard实现图像识别操作 61.利用 TensorFlow实现文本控掘操作
模块十三	Keras人工智能平台应用实践	62.Keras人工智能平台架构 63.Keras Al平台的部署与配置 64.Keras技术实现与工作机制 65.Keras序贯模型与函数式模型 66.Keras图像与自然语言应用案例 67.Keras实验操作: Kaggle图像比赛与优化案例(选做)
模块十四	人工智能的产品解决方案	68.图像处理解决方案 69.人脸识别解决方案 70.语音识别解决方案 71.文本分类解决方案 72.视频理解解决方案
模块十五	项目实践	73.人脸识别项目 74.文本数据预测项目 75.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
模块十六	人工智能项目工程师的技能素养(选讲)	76.人工智能工程师的必备技术能力 77.人工智能工程师的必备业务理解能力 78.人工智能工程师的必备数据洞察能力 79.人工智能工程师的进阶路线和职业素养
模块十七	培训内容综合、应用完整实践与咨询讨论	80.根据讲师布置的实际应用案例, 开展人工智能和大数据完整项目部署设计和应用开发实践、应用实施以及解决方案分享咨询

培训师介绍

周老师，男，中国科学院通信与信息系统专业博士。北京邮电大学移动互联网与信息化实验室特聘研究员、对外经贸大学信息学院特聘兼职教师、中国移动集团高级培训讲师，长期从事大数据、4G、移动互联网安全、管理及大数据精确营销等研究方向。国内顶级信息系统架构师，金牌讲师，技术顾问，移动开发专家。拥有丰富的通信信息系统设计、开发经验及培训行业经验，先后为全国超过15家省移动公司，超过30家地市移动公司有过项目开发合作及授课，担任多个大型通信项目的总师。
俞老师，2005年硕士毕业于上海交通大学机器人研究所，从事机器学习，机器视觉，人工智能方面的研究。曾就职于微软，从事商业智能的开发。现就职于某大型互联网公司从事大数据和人工智能的应用和开发。丰富的项目实战经验，对大数据的收集、处理、数据挖掘在实际应用中有深刻的认识。致力于利用大数据、人工智能在企业决策规划、图像处理、语义理解、数据可视化方面的应用。

课程介绍评价详情(0)

课程收益:

定制授课实战案例训练考试互动咨询讨论
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。

内容模块	课程介绍	授课详细内容
模块一	人工智能基础、技术及其体系	1.人工智能(Artificiallntelligence, Al)的定义、起源、用途 2.人工智能的发展历程与月永络 3.人工智能的国家政策解读 4.人工智能的技术体系 5.人工智能的技术框架 6.中国和美国的人工智能产业和主流人工智能产品
模块二	人工智能的问题求解及技术实现	7.人工智能领域的经典问题和求解方式 8.机器学习模型和推理符号模型 9.业界主流的机器学习方法解决人工智能领域的思路 10.人工智能和大数据 11.人工智能和机器学习 12.人工智能和深度学习
模块三	人工智能的学习方式	13.有监督学习训练 14.无监督学习训练 15.半监督学习训练
模块四	人工智能的行业应用与发展	16.人工智能的行业图谱和行业发展割析 17.人工智能结合大数据的行业应用案例 18.人工智能在“互联网+”领域的应用 19.人工智能在制造业领域的应用 20.人工智能在金融、消费领域的应用 21.人工智能在出行、旅游领域的应用
模块五	部署人工智能实验平台	22.部署人工智能实验操作软件和环境 23.运行讲师提供的人工智能简単示例验证环境的准确性 24.熟悉实验资料和实验环境
模块六	人工智能机器学习的算法模型的应用实践(1)	25.人工智能领域的四大类经典算法模型 26.神经网络机器学习算法模型及其应用 27.决策树算法模型及其应用 28.关联分析算法模型及其应用 29.聚类分析算法模型及其应用 30.深度学习算法模型及应用
模块七	人工智能机器学习的算法模型的应用实践(2)	31.朴素贝叶斯算法模型及其应用 32.逻辑回归算法模型及其预测应用 33.Python机器学习库的应用 34.Python Scikit-learn算法库的使用讲解
模块八	人工智能和机器学习的实验操作	35.Python Scikit_learn算法库的实战操作 36.利用 Python语言编程,实现分类预测项目 37.实验要求准确率、召回率、误差等指标
模块九	深度学习技术及其应用	38.浅层学习技术及应用 39.深度学习算法、技模型及应用 40.CNN卷积神经网络算法模型及应用 41.RNN循环神经网络算法模型及应用 42.LSTM神经网络算法模型及应用 43.深度学习在人脸识别、语音识别领域的解决方案
模块十	TensorFlow Al深度学习平台及其应用实践(1)	44.TensorFlow: 一个Al深度学习框架的概述 45.TensorFlow架构 46.TensorFlow的安装、部署、配置 47.TensorFlow的应用场景和应用案例 48.TensorFlow搭建 GPU和 CPU人工智能集群 49.基于 Tensorflow实现 CNN模型应用,以及算法部署,算法调优,处理效率提升之道 50.基于Tensorflow实现RNN(LSTM)模型应用, 以及算法部署, 算法调优,处理效率提升之道
模块十一	TensorFlow Al深度学习平台及其应用实践(2)	51.TensorFlow CNN应用操作 52.TensorFlow RNN应用操作 53.TensorFlow LSTM应用操作 54.TensorFlow在自然语言生成建模案例 55.TensorFlow在图像识别的实验操作
模块十二	Tensorboard Al深度学习可视化建模工具与模型优化	56.Tensorboard简介 57.Tensorboard可视化和命名空间 58.TensorFlow人工智能建模模型状态评估与优化 59.Tensorboard的部署、配置和应用编程 60.利用 Tensorboard实现图像识别操作 61.利用 TensorFlow实现文本控掘操作
模块十三	Keras人工智能平台应用实践	62.Keras人工智能平台架构 63.Keras Al平台的部署与配置 64.Keras技术实现与工作机制 65.Keras序贯模型与函数式模型 66.Keras图像与自然语言应用案例 67.Keras实验操作: Kaggle图像比赛与优化案例(选做)
模块十四	人工智能的产品解决方案	68.图像处理解决方案 69.人脸识别解决方案 70.语音识别解决方案 71.文本分类解决方案 72.视频理解解决方案
模块十五	项目实践	73.人脸识别项目 74.文本数据预测项目 75.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
模块十六	人工智能项目工程师的技能素养(选讲)	76.人工智能工程师的必备技术能力 77.人工智能工程师的必备业务理解能力 78.人工智能工程师的必备数据洞察能力 79.人工智能工程师的进阶路线和职业素养
模块十七	培训内容综合、应用完整实践与咨询讨论	80.根据讲师布置的实际应用案例, 开展人工智能和大数据完整项目部署设计和应用开发实践、应用实施以及解决方案分享咨询