AI人工智能技术及其应用实战其它上课时间：

• 2021/3/25至2021/3/28 北京

• 2021/7/22至2021/7/25 杭州

• 2021/8/26至2021/8/29 重庆

• 2021/9/23至2021/9/26 上海

• 2021/10/28至2021/10/31 北京

• 2021/11/26至2021/11/29 珠海

• 2021/12/24至2021/12/27 北京

1、IT工程师2、技术总监3、人工智能架构师4、其它对人工智能和机器学习感兴趣的人员

课程介绍
近年来,随着“人工智能”深入应用到社会各个行业,通过将对应的人工智能技术比如人脸识别,车牌识别等应用到具体的行业信息化领域,包括新兴互联网企业(如电商企业、搜索引擎、社交网站、互联网广告服务提供商等)、金融企业(银行、保险、证券公司、互联网金融借贷公司等)、通信运营商(电信、移动、联通)等行业的企业。在国内外形成了独具特色的智能产业和智能经济。“人工智能技术及其应用实战培训班”望各单位收到通知后组织相关人员参加。现将有关事宜通知如下：
本课程对业界主流最新的人工智能及其应用实战技术分成基础级、进阶级、高级实战三个层次进行系统化地培训,让学员分成三个阶段深入系统地掌握人工智能技术的应用
1)第一阶段:人工智能基础级培训内容,让学员掌握人工智能的基础知识,人工智能的问题解决思路,人工智能的应用案例,人工智能产业和人工智能产品的应用解决方案。
|
2)第二阶段:人工智能进阶级培训内容,让学员掌握人工智能中用到的机器学习方法和深度学习方法,包括有监督学习,无监督学习和半监督学习,以及决策树机器学习、朴素贝叶斯机器学习、神经网络机器学习、深度学习、巻积神经网络和LSTM神经网络机器学习的算法模型的原理和应用实践操作,每类算法模型在具体场景中的应用实践。
3)第三阶段:人工智能高级项目应用培训内容,让学员掌握人工智能的系统平台工具的应用实战,包括人工智能的代表性系统工具平台:TesorFlow深度学习平台,Keras深度学习库和PythonAl系统的应用实践,在讲解的同时,由讲师带着学员对人工智能工具安排实践操作,让学员更突出掌握实战技能。
培训目标
1、通过本课程的学习,学员可以用较短的时间掌握人工智能领域的基础和精华内容
2、让学员掌握人工智能的基础知识,人工智能的问题解决思路,人工智能的应用案例,人工智能产业和人工智能产品的应用解决方案。
3、让学员掌握人工智能的技术平台应用,重点包括PythonKeras,TensorFlow,PyTorch,,Theano,CNTK,Caffe等应用实战,并且通过两三个具体的企业应用实验操作,巩固掌握的Al技术和平台。

课程大纲

内容模块

课程介绍

授课详细内容

模块一

人工智能基础、技术及其体系

1.人工智能(Artificiallntelligence,Al)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

模块二

人工智能的问题求解及技术实现

6.人工智能领域的经典问题和求解方式

7.机器学习模型和推理符号模型

8.人工智能和大数据

9.人工智能和机器学习

10.人工智能和深度学习

模块三

人工智能的学习方式

11.有监督学习训练

12.无监督学习训练

13.半监督学习训练

模块四

人工智能的行业应用与发展

14.人工智能的行业图谱和行业发展割析

15.人工智能结合大数据的行业应用案例

16.人工智能在“互联网+”领域的应用

17.人工智能在制造业领域的应用

18.人工智能在金融、消费领域的应用

模块五

部署人工智能实验平台

19.部署人工智能实验操作软件和环境

20.运行讲师提供的人工智能简単示例验证环境的准确性

21.熟悉实验资料和实验环境

模块六

人工智能机器学习的算法模型的应用实践(1)

22.人工智能领域的四大类经典算法模型

23.神经网络机器学习算法模型及其应用

24.决策树算法模型及其应用

25.关联分析算法模型及其应用

26.聚类分析算法模型及其应用

27.深度学习算法模型及应用

28.CNN卷积神经网络算法模型及应用

模块七

人工智能机器学习的算法模型的应用实践(2)

29.朴素贝叶斯算法模型及其应用

30.逻辑回归算法模型及其预测应用

31.LSTM深度学习库的应用

32.Python机器学习库的应用

33.PythonScikit-learn算法库的使用讲解

模块八

人工智能和机器学习的实验操作

34.PythonScikit_learn算法库的实战操作

35.利用Python语言编程,实现分类预测项目

36.实验要求准确率、召回率、误差等指标

模块九

TensorFlowAl深度学习平台及其应用实践(1)

37.TensorFlow:一个Al深度学习框架的概述

38.TensorFlow深度学习平台的工作机制和系统架构

39.TensorFlow的安装、部署、配置和使用

40.TensorFlow的应用场景和应用案例

模块十

TensorFlowAl深度学习平台及其应用实践(2)

41.TensorFlowCNN应用操作

42.TensorFlowLSTM应用操作

43.TensorFlow在图像识别的实验操作

44.基于TensorFlow的可视化工具：Tensorboard简介

45.Tensorboard的部署、配置和应用界面操作

46.基于TensorFlow和Tensorboard进行实验操作

模块十一

Keras人工智能平台应用实践

47.业界常用的AI平台：Keras人工智能平台架构

48.KerasAl平台的部署与配置

49.Keras技术实现与工作机制

50.Keras实验操作

模块十二

项目实践

51.利用学过的知识，使用Python编程实现基本的人脸识别或讲师布置的AI实验项目

52.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

模块十三

培训内容综合、

应用完整实践与咨询讨论

53.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

课程主讲

张教授，西安理工大学博士生导师。现为国家重点新产品计划项目咨询专家、陕西省制造业信息化专家组专家、陕西省卫生信息化专家组专家，西安理工大学计算机学院副院长，博士生导师。从事机器学习，机器视觉，人工智能方面的研究20多年。对大数据的收集、处理、数据挖掘在实际应用中有深刻的认识。致力于利用大数据、人工智能在企业决策规划、图像处理、语义理解、数据可视化方面的应用。