曙海教學優(yōu)勢
本課程面向企事業(yè)項目實際需要,秉承二十一年積累的教學品質(zhì)，人工智能與機器學習應(yīng)用實戰(zhàn)培訓課程以項目實現(xiàn)為導向,老師將會與您分享設(shè)計的全流程以及工具的綜合使用技巧、經(jīng)驗。線上/線下/上門皆可,人工智能與機器學習應(yīng)用實戰(zhàn)培訓課程專家,課程可定制,熱線:4008699035。
大批企業(yè)和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬+。曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。
?
| 人工智能基礎(chǔ)、技術(shù)及其體系 | 1. 人工智能（Artificial Intelligence，AI）的定義、起源、用途 2. 人工智能的發(fā)展歷程與脈絡(luò) 3. 人工智能的國家政策解讀 4. 人工智能的技術(shù)體系 5. 人工智能的技術(shù)框架 6. 中國和美國的人工智能產(chǎn)業(yè)和主流人工智能產(chǎn)品 |
| 人工智能的問題求解及技術(shù)實現(xiàn) | 7. 人工智能領(lǐng)域的經(jīng)典問題和求解方式 8. 機器學習模型和推理符號模型 9. 業(yè)界主流的機器學習方法解決人工智能領(lǐng)域的思路 10. 人工智能和大數(shù)據(jù) 11. 人工智能和機器學習 12. 人工智能和深度學習 |
| 人工智能的學習方式 | 13. 有監(jiān)督學習訓練 14. 無監(jiān)督學習訓練 15. 半監(jiān)督學習訓練 |
| 人工智能的行業(yè)應(yīng)用與發(fā)展 | 16. 人工智能的行業(yè)圖譜和行業(yè)發(fā)展剖析 17. 人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例 18. 人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用 19. 人工智能在制造業(yè)領(lǐng)域的應(yīng)用 20. 人工智能在金融、消費領(lǐng)域的應(yīng)用 21. 人工智能在出行、旅游領(lǐng)域的應(yīng)用 |
| 部署人工智能實驗平臺 | 22. 部署人工智能實驗操作軟件和環(huán)境 23. 運行講師提供的人工智能簡單示例驗證環(huán)境的準確性 24. 熟悉實驗資料和實驗環(huán)境 |
| 人工智能機器學習的算法模型的應(yīng)用實踐（1） | 25. 人工智能領(lǐng)域的四大類經(jīng)典算法模型 26. 神經(jīng)網(wǎng)絡(luò)機器學習算法模型及其應(yīng)用 27. 決策樹算法模型及其應(yīng)用 28. 關(guān)聯(lián)分析算法模型及其應(yīng)用 29. 聚類分析算法模型及其應(yīng)用 30. 深度學習算法模型及應(yīng)用 |
| 人工智能機器學習的算法模型的應(yīng)用實踐（2） | 31. 樸素貝葉斯算法模型及其應(yīng)用 32. 邏輯回歸算法模型及其預(yù)測應(yīng)用 33. Python機器學習庫的應(yīng)用 34. Python Scikit-learn算法庫的使用講解 |
| 人工智能和機器學習的實驗操作 | 35. Python Scikit-learn算法庫的實戰(zhàn)操作 36. 利用Python語言編程，實現(xiàn)分類預(yù)測項目 37. 實驗要求準確率、召回率、誤差等指標 |
| 深度學習技術(shù)及其應(yīng)用 | 38. 淺層學習技術(shù)及應(yīng)用 39. 深度學習算法、技模型及應(yīng)用 40. CNN卷積神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用 41. RNN循環(huán)神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用 42. LSTM神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用 43. 深度學習在人臉識別、語音識別領(lǐng)域的解決方案 |
| TensorFlow AI深度學習平臺及其應(yīng)用實踐（1） | 44. TensorFlow：一個AI深度學習框架的概述 45. TensorFlow架構(gòu) 46. TensorFlow的安裝、部署、配置 47. TensorFlow的應(yīng)用場景和應(yīng)用案例 48. TensorFlow搭建GPU和CPU人工智能集群 49. 基于Tensorflow實現(xiàn)CNN模型應(yīng)用，以及算法部署，算法調(diào)優(yōu)，處理效率提升之道 50. 基于Tensorflow實現(xiàn)RNN（LSTM）模型應(yīng)用，以及算法部署，算法調(diào)優(yōu)，處理效率提升之道 |
| TensorFlow AI深度學習平臺及其應(yīng)用實踐（2） | 51. TensorFlow CNN應(yīng)用操作 52. TensorFlow RNN應(yīng)用操作 53. TensorFlow LSTM應(yīng)用操作 54. TensorFlow在自然語言生成建模案例 55. TensorFlow在圖像識別的實驗操作 |
| Tensorboard AI 深度學習可視化建模工具與模型優(yōu)化 | 56. Tensorboard簡介 57. Tensorboard可視化和命名空間 58. TensorFlow人工智能建模模型狀態(tài)評估與優(yōu)化 59. Tensorboard的部署、配置和應(yīng)用編程 60. 利用Tensorboard實現(xiàn)圖像識別操作 61. 利用TensorFlow實現(xiàn)文本挖掘操作 |
| Keras 人工智能平臺應(yīng)用實踐 | 62. Keras人工智能平臺架構(gòu) 63. Keras AI平臺的部署與配置 64. Keras技術(shù)實現(xiàn)與工作機制 65. Keras序列模式 66. Keras圖像與自然語言應(yīng)用案例 67. Keras實驗操作：Kaggle圖像比賽與優(yōu)化案例（選做） |
| 人工智能的產(chǎn)品解決方案 | 68. 圖像處理解決方案 69. 人臉識別解決方案 70. 語音識別解決方案 71. 文本分類解決方案 72. 視頻理解解決方案 |
| 項目實踐 | 73. 人臉識別項目 74. 新聞內(nèi)容文本分類預(yù)測項目 75. 講師提供項目指導手冊，帶著學員完成，學員獨立完成后，講師答疑 |
| 人工智能項目工程師的技能素養(yǎng) （選講） | 76. 人工智能工程師的必備技術(shù)能力 77. 人工智能工程師的必備業(yè)務(wù)理解能力 78. 人工智能工程師的必備數(shù)據(jù)洞察能力 79. 人工智能工程師的進階路線和職業(yè)素養(yǎng) |
| 培訓內(nèi)容綜合、應(yīng)用完整實踐與咨詢討論 | 80. 根據(jù)講師布置的實際應(yīng)用案例，開展人工智能和大數(shù)據(jù)完整項目部署設(shè)計和應(yīng)用開發(fā)實踐、應(yīng)用實施以及解決方案分享咨詢與交流討論 |
