• 产品与解决方案
  • 行业解决方案
  • 服务
  • 支持
  • 合作伙伴
  • 新华三人才研学中心
  • 关于我们

人工智能技术及其应用实践

课程简介:

在云计算、大数据、物联网和人工智能等新技术推动下,独立于企业的学校教育在瞬息万变的技术市场上不能满足社会需要,人才培养和供给压力非常紧迫。打造产、学、研、工、创一体化的校企深度合作模式,推进产教融合,成为院校数字化人才培养的最佳合作伙伴。

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。 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、卷积神经网络和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PythonAI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。

课程收益:

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Python Keras,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AI技术和平台。

适用人群:

1、IT工程师

2、人工智能架构师

3、其它对人工智能和机器学习感兴趣的人员

课程特色:

定制授课+实战案例训练+互动咨询讨论,共3天。

本课程采用技术原理与项目实战相结合的方式进行教学,在讲授原理的过程中,穿插实际的系统操作,本课程讲师也精心准备的实际的应用案例供学员动手训练。

大纲内容:

时间专题详细内容与知识点

第一天

人工智能基础、技术及其体系

1. 人工智能(ArtificialIntelligence,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. PythonScikit-learn算法库的使用讲解

第二天

人工智能和机器学习的实验操作

35. PythonScikit-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

TensorFlowAI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

TensorFlowAI深度学习平台及其应用实践(2)

51. TensorFlowCNN应用操作

52. TensorFlowRNN应用操作

53. TensorFlowLSTM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

第三天

TensorboardAI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. KerasAI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

 

注:培训中讲师会根据学员的情况进行适当的调整。

新华三官网
联系我们