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

人工智能實踐項目案例分析與實戰(zhàn)應(yīng)用

2023-11-10 17:25:17　|　來源：企業(yè)IT培訓

課程背景

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

人工智能是智能學科重要的組成部分，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。人工智能是十分廣泛的科學，包括機器人、語言識別、圖像識別、自然語言處理、專家系統(tǒng)、機器學習，計算機視覺等。

課程簡介

中培偉業(yè)特邀相關(guān)領(lǐng)域權(quán)威專家精心打造了“人工智能實踐項目案例分析與實戰(zhàn)應(yīng)用”課程，并定期開展公開課。本次培訓從實戰(zhàn)的角度對深度學習技術(shù)進行了全面的剖析，并結(jié)合實際案例分析，探討深度學習、機器學習、圖像識別、知識圖譜的應(yīng)用場景。給相關(guān)從業(yè)人員以指導和啟迪。

參加培訓并通過考試學員，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)》工業(yè)和信息化職業(yè)能力證書，證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級和晉升職務(wù)的重要依據(jù)。

《人工智能實踐項目案例分析與實戰(zhàn)應(yīng)用》證書樣本

培訓收益

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

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

2. 行業(yè)洞察與經(jīng)驗積累——了解行業(yè)應(yīng)用趨勢，積累項目實施經(jīng)驗，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)展與競爭力提升——增強就業(yè)競爭力，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用技能

培訓對象

政府、企業(yè)、學校IT相關(guān)技術(shù)人員;

高校相關(guān)專業(yè)碩士、博士研究生;

人工智能與知識圖譜系統(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

課程安排

時間	內(nèi)容	備注
第一天	機器學習基礎(chǔ)	1. 機器學習的開發(fā)過程 2. 監(jiān)督學習的處理模式 3. 無監(jiān)督學習的處理模式 4. 機器學習模型的開發(fā)步驟 5. 機器學習模型開發(fā)的要點
第一天	機器學習實戰(zhàn)	1. 分類 2. 回歸 3. 時間序列分析 4. 關(guān)聯(lián)分析 5. 聚類與降維
第二天	深度學習基礎(chǔ)	1. 神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 2. 激活函數(shù)的點火機制 3. Sigmoid函數(shù)與參數(shù)優(yōu)化 4. 梯度下降法 5. 簡單感知機 6. 多層感知機 7. Tensorflow實現(xiàn)感知機 8. Keras實現(xiàn)感知機 9. PyTorch實現(xiàn)感知機
	深度學習進階	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圖像識別 5. TensorFlow構(gòu)建圖像識別網(wǎng)絡(luò)模型 6. Keras構(gòu)建圖像識別網(wǎng)絡(luò)模型 7. PyTorch構(gòu)建圖像識別網(wǎng)絡(luò)模型
	卷積神經(jīng)網(wǎng)絡(luò)與圖像識別	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	一般物體的圖像識別	1. 多分類數(shù)據(jù)集CIFAR-10介紹 2. CNN識別普通物體的結(jié)構(gòu) 3. 基于TensorFlow+CNN構(gòu)建物體識別模型 4. 基于Keras+CNN構(gòu)建物體識別模型 5. 基于PyTorch+CNN構(gòu)建物體識別模型 6. 模型調(diào)優(yōu)提高物體識別精度
	YOLO與目標識別	1. YOLO介紹與版本安裝 2. 基于YOLO物體檢測 3. Labelimg物體標注 4. 目標檢測與檢測結(jié)果保存
	GYM與強化學習	1. GYM安裝與游戲獎罰設(shè)置 2. 強化學習的與眾不同 3. 馬爾科夫性質(zhì)與決策過程 4. SARSA 算法介紹與推導 5. 蒙特卡洛多步采樣
	知識圖譜的存儲與檢索	1. 知識圖譜數(shù)據(jù)庫 2. 知識圖譜存儲方法 3. 基于Neo4j的知識存儲實踐 4. 開源知識存儲工具理論與實踐
第四天	注意力機制	1. 點積注意力機制 2. 編碼與解碼注意力 3. 注意力機制中的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. 訓練自己的TransFormer模型
	Hugging Face平臺介紹與使用	1. Hugging Face 平臺簡介與生態(tài)系統(tǒng) 2. Hugging Face 數(shù)據(jù)集庫 3. Transformers 庫的使用 4. 模型部署與推理 API

講師團隊

劉老師西安郵電學院計算機科學與技術(shù)專業(yè)

擁有著十幾年軟件研發(fā)經(jīng)驗，7年企業(yè)培訓經(jīng)驗，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨特的研究，精通J2EE企業(yè)級開發(fā)技術(shù)。Java方向：設(shè)計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識別技術(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軟件工程碩士

近10年的IT領(lǐng)域相關(guān)技術(shù)研究和項目開發(fā)工作，6年新東方、中國移動、中興能源和中培教育培訓講師經(jīng)驗，參與國家級氣象軟件工程規(guī)范制定工作，對軟件技術(shù)演變歷史和趨勢有深入體驗，現(xiàn)任某軟件科技公司CEO。機器學習，深度學習領(lǐng)域多年一線開發(fā)研究經(jīng)驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，知識圖譜，搜索相關(guān)的人工智能實際項目，研發(fā)經(jīng)驗豐富。擁有兩項國家專利。同時具有多年授課培訓經(jīng)驗，講課通俗易懂，代碼風格簡潔清晰。

覃老師上海大學物理學碩士

創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機器學習，深度學習領(lǐng)域多年一線開發(fā)研究經(jīng)驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關(guān)的人工智能實際項目，研發(fā)經(jīng)驗豐富。擁有兩項國家專利。同時具有多年授課培訓經(jīng)驗，講課通俗易懂，代碼風格簡潔清晰。

考試須知

人工智能實踐項目案例分析與實戰(zhàn)應(yīng)用考試說明
考試形式	線上機考
考試平臺	數(shù)字化人才培養(yǎng)--專項技術(shù)考試平臺：www.uesk.com.cn
登錄方式	報名后即刻開通賬號密碼
考試時長	考試題型	題量	通過比例（分值）
100分鐘	單選題	100道	60%、60分