您現(xiàn)在的位置：首頁(yè) > 企業(yè)內(nèi)訓(xùn) > 人工智能 > 人工智能實(shí)踐項(xiàng)目案例分析與實(shí)戰(zhàn)應(yīng)用

人工智能實(shí)踐項(xiàng)目案例分析與實(shí)戰(zhàn)應(yīng)用

2023-11-10 17:25:17　|　來(lái)源：企業(yè)IT培訓(xùn)

課程背景

人工智能(Artificial Intelligence)，英文縮寫(xiě)為AI。是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。

人工智能是智能學(xué)科重要的組成部分，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器。人工智能是十分廣泛的科學(xué)，包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理、專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺(jué)等。

課程簡(jiǎn)介

中培偉業(yè)特邀相關(guān)領(lǐng)域權(quán)威專(zhuān)家精心打造了“人工智能實(shí)踐項(xiàng)目案例分析與實(shí)戰(zhàn)應(yīng)用”課程，并定期開(kāi)展公開(kāi)課。本次培訓(xùn)從實(shí)戰(zhàn)的角度對(duì)深度學(xué)習(xí)技術(shù)進(jìn)行了全面的剖析，并結(jié)合實(shí)際案例分析，探討深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、圖像識(shí)別、知識(shí)圖譜的應(yīng)用場(chǎng)景。給相關(guān)從業(yè)人員以指導(dǎo)和啟迪。

參加培訓(xùn)并通過(guò)考試學(xué)員，由工業(yè)和信息化部教育與考試中心統(tǒng)一頒發(fā)《人工智能核心技術(shù)(高級(jí))》工業(yè)和信息化職業(yè)能力證書(shū)，證書(shū)可作為專(zhuān)業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專(zhuān)業(yè)技術(shù)人員崗位聘用、任職、定級(jí)和晉升職務(wù)的重要依據(jù)。

《人工智能實(shí)踐項(xiàng)目案例分析與實(shí)戰(zhàn)應(yīng)用》證書(shū)樣本

培訓(xùn)收益

通過(guò)展示教師的實(shí)際科研成果，講述人工智能與知識(shí)圖譜的技術(shù)原理與應(yīng)用系統(tǒng)開(kāi)發(fā)方法、知識(shí)圖譜系統(tǒng)開(kāi)發(fā)工具使用方法。使學(xué)員獲得：

1. 知識(shí)與技能提升——深化理論理解、掌握實(shí)踐技能、培養(yǎng)問(wèn)題解決能力

2. 行業(yè)洞察與經(jīng)驗(yàn)積累——了解行業(yè)應(yīng)用趨勢(shì)，積累項(xiàng)目實(shí)施經(jīng)驗(yàn)，拓展行業(yè)人脈資源

3. 創(chuàng)新思維與能力培養(yǎng)——激發(fā)創(chuàng)新靈感，培養(yǎng)批判性思維，提升綜合創(chuàng)新能力

4. 職業(yè)發(fā)展與競(jìng)爭(zhēng)力提升——增強(qiáng)就業(yè)競(jìng)爭(zhēng)力，適應(yīng)職業(yè)發(fā)展需求，助力職業(yè)轉(zhuǎn)型與晉升。

帶你一課打通人工智能實(shí)用技能

培訓(xùn)對(duì)象

政府、企業(yè)、學(xué)校IT相關(guān)技術(shù)人員;

高校相關(guān)專(zhuān)業(yè)碩士、博士研究生;

人工智能與知識(shí)圖譜系統(tǒng)架構(gòu)師與編程人員;

企業(yè)管理人員、技術(shù)主管、產(chǎn)品經(jīng)理及決策者。

中培優(yōu)勢(shì)

課程安排

時(shí)間	內(nèi)容	備注
第一天	機(jī)器學(xué)習(xí)基礎(chǔ)	1. 機(jī)器學(xué)習(xí)的開(kāi)發(fā)過(guò)程 2. 監(jiān)督學(xué)習(xí)的處理模式 3. 無(wú)監(jiān)督學(xué)習(xí)的處理模式 4. 機(jī)器學(xué)習(xí)模型的開(kāi)發(fā)步驟 5. 機(jī)器學(xué)習(xí)模型開(kāi)發(fā)的要點(diǎn)
第一天	機(jī)器學(xué)習(xí)實(shí)戰(zhàn)	1. 分類(lèi) 2. 回歸 3. 時(shí)間序列分析 4. 關(guān)聯(lián)分析 5. 聚類(lèi)與降維
第二天	深度學(xué)習(xí)基礎(chǔ)	1. 神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 2. 激活函數(shù)的點(diǎn)火機(jī)制 3. Sigmoid函數(shù)與參數(shù)優(yōu)化 4. 梯度下降法 5. 簡(jiǎn)單感知機(jī) 6. 多層感知機(jī) 7. Tensorflow實(shí)現(xiàn)感知機(jī) 8. Keras實(shí)現(xiàn)感知機(jī) 9. PyTorch實(shí)現(xiàn)感知機(jī)
	深度學(xué)習(xí)進(jìn)階	1. 前饋神經(jīng)網(wǎng)絡(luò) 2. 誤差反向傳播 3. 創(chuàng)建神經(jīng)網(wǎng)絡(luò) 4. Fashion-MNIST圖像識(shí)別 5. TensorFlow構(gòu)建圖像識(shí)別網(wǎng)絡(luò)模型 6. Keras構(gòu)建圖像識(shí)別網(wǎng)絡(luò)模型 7. PyTorch構(gòu)建圖像識(shí)別網(wǎng)絡(luò)模型
	卷積神經(jīng)網(wǎng)絡(luò)與圖像識(shí)別	1. 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 2. 基于TensorFlow構(gòu)建CNN 3. 基于Keras構(gòu)建CNN 4. 基于PyTorch構(gòu)建CNN
第三天	一般物體的圖像識(shí)別	1. 多分類(lèi)數(shù)據(jù)集CIFAR-10介紹 2. CNN識(shí)別普通物體的結(jié)構(gòu) 3. 基于TensorFlow+CNN構(gòu)建物體識(shí)別模型 4. 基于Keras+CNN構(gòu)建物體識(shí)別模型 5. 基于PyTorch+CNN構(gòu)建物體識(shí)別模型 6. 模型調(diào)優(yōu)提高物體識(shí)別精度
	YOLO與目標(biāo)識(shí)別	1. YOLO介紹與版本安裝 2. 基于YOLO物體檢測(cè) 3. Labelimg物體標(biāo)注 4. 目標(biāo)檢測(cè)與檢測(cè)結(jié)果保存
	GYM與強(qiáng)化學(xué)習(xí)	1. GYM安裝與游戲獎(jiǎng)罰設(shè)置 2. 強(qiáng)化學(xué)習(xí)的與眾不同 3. 馬爾科夫性質(zhì)與決策過(guò)程 4. SARSA 算法介紹與推導(dǎo) 5. 蒙特卡洛多步采樣
	知識(shí)圖譜的存儲(chǔ)與檢索	1. 知識(shí)圖譜數(shù)據(jù)庫(kù) 2. 知識(shí)圖譜存儲(chǔ)方法 3. 基于Neo4j的知識(shí)存儲(chǔ)實(shí)踐 4. 開(kāi)源知識(shí)存儲(chǔ)工具理論與實(shí)踐
第四天	注意力機(jī)制	1. 點(diǎn)積注意力機(jī)制 2. 編碼與解碼注意力 3. 注意力機(jī)制中的Q、K、V 4. 自注意力與多頭注意力
	TransFormer架構(gòu)解析	1. 各種注意力的應(yīng)用 2. 編碼器輸入與位置編碼 3. 編碼器的內(nèi)部結(jié)構(gòu) 4. 訓(xùn)練自己的TransFormer模型
	Hugging Face平臺(tái)介紹與使用	1. Hugging Face 平臺(tái)簡(jiǎn)介與生態(tài)系統(tǒng) 2. Hugging Face 數(shù)據(jù)集庫(kù) 3. Transformers 庫(kù)的使用 4. 模型部署與推理 API

講師團(tuán)隊(duì)

劉老師西安郵電學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)

擁有著十幾年軟件研發(fā)經(jīng)驗(yàn)，7年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對(duì)Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級(jí)開(kāi)發(fā)技術(shù)。Java方向：設(shè)計(jì)模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對(duì)Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲(chóng)、基于Surprise庫(kù)數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識(shí)別技術(shù)。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

王老師北京郵電大學(xué)軟件工程碩士

近10年的IT領(lǐng)域相關(guān)技術(shù)研究和項(xiàng)目開(kāi)發(fā)工作，6年新東方、中國(guó)移動(dòng)、中興能源和中培教育培訓(xùn)講師經(jīng)驗(yàn)，參與國(guó)家級(jí)氣象軟件工程規(guī)范制定工作，對(duì)軟件技術(shù)演變歷史和趨勢(shì)有深入體驗(yàn)，現(xiàn)任某軟件科技公司CEO。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年一線(xiàn)開(kāi)發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過(guò)多項(xiàng)圖像，語(yǔ)音，nlp，知識(shí)圖譜，搜索相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)國(guó)家專(zhuān)利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通俗易懂，代碼風(fēng)格簡(jiǎn)潔清晰。

覃老師上海大學(xué)物理學(xué)碩士

創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年一線(xiàn)開(kāi)發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過(guò)多項(xiàng)圖像，語(yǔ)音，nlp，搜索相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)國(guó)家專(zhuān)利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通俗易懂，代碼風(fēng)格簡(jiǎn)潔清晰。

考試須知

人工智能實(shí)踐項(xiàng)目案例分析與實(shí)戰(zhàn)應(yīng)用考試說(shuō)明
考試形式	線(xiàn)上機(jī)考
考試平臺(tái)	數(shù)字化人才培養(yǎng)--專(zhuān)項(xiàng)技術(shù)考試平臺(tái)：www.dtpc120.cn
登錄方式	報(bào)名后即刻開(kāi)通賬號(hào)密碼
考試時(shí)長(zhǎng)	考試題型	題量	通過(guò)比例（分值）
100分鐘	單選題	100道	60%、60分