人工智能基础、技术及其体系 |
1.
人工智能(Artificial Intelligence,AI)的定义、起源、用途
2. 人工智能的发展历程与脉络
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 |
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 |
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 |
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剖析
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 |
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单示例验证环境的准确性
24. 熟悉实验资料和实验环境 |
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 |
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 |
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 |
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 |
TensorFlow
AI深度学习平台及其应用实践(1) |
44.
TensorFlow:一个AI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 |
TensorFlow
AI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 |
Tensorboard
AI 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实现文本挖掘操作 |
Keras
人工智能平台应用实践 |
62.
Keras人工智能平台架构
63. Keras AI平台的部署与配置
64. Keras技术实现与工作机制
65. Keras序列模式
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) |
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 |
项目实践 |
73.
人脸识别项目
74. 新闻内容文本分类预测项目
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 |
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
|
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与交流讨论 |