你的位置: 首页 > 公开课首页 > 语言 > 课程详情

details

人工智能实践项目案例分析与实战应用

推荐

暂无评价   
  • 开课时间:2024/06/22 09:00 已结束
  • 结束时间:2024/06/25 17:00
  • 开课地点:杭州市
  • 授课讲师: 马越
  • 课程编号:423207
  • 课程分类:语言
  •  
  • 收藏 人气:37
你实际购买的价格
付款时最多可用0淘币抵扣0元现金
购买成功后,系统会给用户帐号返回的现金券
淘课价格
8800
你还可以: 收藏

课程收益:

课程中通过细致讲解,使学员掌握该技术的本质。具体收益包括:

1. 回归算法理论与实战;

2. 分类算法理论与实战;

3. 降维算法理论与实战;

4. 聚类算法理论与实战;

5. 神经网络算法;

6. Tensorflow DNN CNN构建;

7. 基于OpenCV计算机视觉识别;

8. 从0到1完成知识图谱构建;

9. 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。

培训颁发证书:

本课程由中国信息化培训中心颁发《人工智能高级工程师》证书,证书查询网址:www.zpedu.com;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

课程大纲

人工智能实践项目案例分析与实战应用

培训班

培训服务一览表

培训地点

杭州

北京

培训时间

6

22-25

11

培训方式

· 现场面授     · 线上授课     · 录播回放

专家授课

· 4天集中培训学习:每天6课时,实战专家授课

· 理论梳理     · 案例分享     · 实战演练

纸质资料

人工智能实践项目案例分析与实战应用培训讲义

学习平台

PC端:http://it.zpedu.com/     移动端APP:IT云课

社群服务

· 学员在线交流     · 专家在线答疑     · 班主任教学管理

此课程可根据具体需求定制企业内训解决方案。


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




培训师介绍

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。Java方向:设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且对Java源码有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬虫、基于Surprise库数据推荐,Tensorflow人工智能框架、人脸识别技术。区块链方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
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,对软件技术演变历史和趋势有深入体验,现任某软件科技公司CEO。在长期软件领域工作过程中,对软件企业运作模式有深入研究,熟悉软件质量保障标准ISO9003和软件过程改进模型CMM/CMMI,在具体项目实施过程中总结经验,有深刻认识。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。曾使用Tensorflow,Caffe,Keras等深度学习框架完成过多项图像,语音,nlp,知识图谱,搜索相关的人工智能实际项目,研发经验丰富。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。
通晓多种软件设计和开发工具。对软件开发整个流程非常熟悉,能根据项目特点定制具体软件过程,并进行项目管理和监控,有很强的软件项目组织管理能力。对C 、C++ 、java、java EE、android、IOS、大数据、云计算有比较深入的理解和应用,具有较强的移动互联网应用需求分析和系统设计能力,熟悉Android框架、IOS框架等技术,了解各种设计模式,能在具体项目中灵活运用。
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。曾使用Tensorflow,Caffe,Keras等深度学习框架完成过多项图像,语音,nlp,搜索相关的人工智能实际项目,研发经验丰富。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。
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。熟练使用OpenCV、Tensorflow、Keras等工具。具备丰富的数据挖掘经验,熟悉大数据下的ETL与模型搭建,曾独立负责美团用户信用分评估、敏感身份挖掘、京东金融APP多个模块推荐算法搭建等项目。

本课程名称: 人工智能实践项目案例分析与实战应用

查看更多:语言公开课

人工智能实践项目案例分析与实战应用 相关的最新课程
讲师动态评分 与同行相比

授课内容与课纲相符00%

讲师授课水平00%

服务态度00%