|
|
全部课程 >互联网 |
|
人工智能助力汽车行业升级 |
1888 次浏览 53 次
|
|
|
地点时间:北京、上海、深圳根据报名开班 |
课程费用:5000元/人 |
|
|
|
企业内训:可以根据企业需求,定制内训,详见 内训学习手册 |
|
|
认证方式:
培训前了解能力模型。
培训后进行能力评测:
在线考试
能力分析,给出学习建议
合格者颁发证书,作为职业技能资格证明
|
|
|
|
人工智能,赫然出现在了全民的未来图景之中,与我们的明天紧密相连。就在不远的将来,工业制造、医疗保健、文化教育,你能想到的或想不到的领域,都有人工智能的身影。甚至,因为人工智能的普及,出现了很多新的行业,新的岗位,和新的机遇。
既然人工智能已经是大势所趋,我们不妨设想一下,人工智能将最先在未来的哪些领域顺利落地。
汽车行业,群雄追鹿大势所趋
在杭州云栖大会上,一辆由清华大学苏州汽车研究院打造的实验室级自动驾驶中巴车,被人们团团围住不停拍照。在这辆车上,安装了激光雷达、毫米波雷达和检测路况的摄像头,甚至为了应对各种恶劣天气实现精准定位,还配置了厘米级高精度定位系统。近一年来,但凡有高科技展会,必有自动驾驶车辆登场,甚至连各大车展衡量是否高端的一个重要标志,就是能不能让自动驾驶的车辆摆上展台。
抓紧占领人工智能制高点,已经逐渐成为车企的战略,本次培训结合实践与案例,重点讲解人工智能行业汽车行业应用。
|
培训目标: |
了解大数据基础理论知识
了解人工智能汽车行业应用全景驶视图
了解汽车行业大数据应用
人工智能如何改变汽车行业 |
培训对象 |
希望了解人工智能的人员
希望了解人工智能各种应用的学员
人工智能需求的人员
正在工作中面临人工智能挖掘问题的架构师,分析师等 |
学员基础:对人工智能和大数据有一定的了解 |
授课方式: 定制课程 + 案例讲解 + 小组讨论,60%案例讲解,40%实践演练
|
培训内容:2天
|
人工智能行业背景
|
1.人工智能基本概念
2.人工智能的核心技术
3.人工智能的商业场景、解决方案和利弊
4.人工智能产业链
5.人工智能支撑技术-大数据
6.人工智能支撑技术-云计算 |
人工智能行业应用 |
1.零售业
2 .金融业
3.政府
4 .医疗业
5 .能源业
6 .电信运营业
7 .交通物流业
8 .人工智能汽车行业应用
智能产品:无人汽车,智能汽车
智能业务:智能制造
智能研发、智能供应链、智能服务、汽车金融等 |
人工智能基础算法技术体系介绍 |
1.通用机器学习算法
2.深度学习算法体系
3.NLP算法体系
4.图像识别技术
5.语音识别技术
6.视频识别技术
7.人工智能平台搭建 |
案例实践:使用机器学习技术进行汽车金融欺诈检测 |
1. 逻辑回归算法原理,推导
2. 逻辑回归代码实现
3. 多分类问题解决方案
4. 一对一分类,一对多分类
5. 决策树算法模型
6. 熵原理,信息增益
7. 决策树构建
8. 决策树代码实现
9. 贝叶斯算法原理
10. 贝叶斯代码实现
|
案例实践:使用机器学习技术进行汽车用户细分 |
1. 用户细分原理
2. 聚类算法原理
3. KMeans 算法,层次聚类算法,密度聚类算法
4. 代码实现
|
案例实践:使用机器学习技术进行汽车产品口碑分析 |
1. 数据源分析
2. 文本挖掘算法
3. KMeans 算法,层次聚类算法,密度聚类算法
4. 代码实现
|
深度学习算法基础 |
1.得分函数
2.损失函数
3.正则化
4.softmax分类器原理
5.最优化问题
6.梯度下降
7.反向传播
8.增强学习
9.迁移学习
|
深度学习框架对比 |
1.Tensorflow
2.caffe
3.Torch
4.Theano
|
案例实践:使用深度学习算法进行手势识 |
1. 卷积神经网络详解-卷积层
2. 卷积神经网络详解-池化层
3. 卷积神经网络详解-全连接层
4. 卷积实现手势识别
|
案例实践:人脸检测 |
1.人脸检测数据收集
2.制作正负样本给定标签
3.制作LMDB数据源
4.使用Tensorflow训练人脸检测网络
5.代码实现人脸检测模型
|
案例实践:使用LSTM进行小说编写 |
1. 经典神经网络实例(ALEXNET,VGG)详解
2. RNN与LSTM记忆网络
3. 数据增强,网络设计,参数初始化
4. 级联模式网络结构分析-人脸检测算法分析
5. 序列化网络结构分析-人体姿态识别算法分析
6. 深度残差网络
7. PRISMA如何实现风格转换
8. Faster-rcnn物体检测框架原理详解
|
|
|
|
|
|
|
|
|
1888 次浏览 53 次
|
其他人还看了课程 |
|
|
|