该线下公开课已结束,仅可查看历史课程资料
全国各地近期开课计划
| 排课计划ID | 课程地点 | 上课时间 | 状态 | 操作 |
|---|---|---|---|---|
| 393860 | 北京市 市辖区 | 2019/03/23 ~ 2019/03/25 | 报名已结束 | — |
| 393861 | 上海市 市辖区 | 2019/04/27 ~ 2019/04/29 | 报名已结束 | — |
| 393862 | 广东省 深圳市 | 2019/05/25 ~ 2019/05/27 | 报名已结束 | — |
| 393863 | 北京市 市辖区 | 2019/06/22 ~ 2019/06/24 | 报名已结束 | — |
| 393864 | 浙江省 杭州市 | 2019/07/27 ~ 2019/07/29 | 报名已结束 | — |
| 393865 | 四川省 成都市 | 2019/08/24 ~ 2019/08/26 | 报名已结束 | — |
| 393866 | 北京市 市辖区 | 2019/09/21 ~ 2019/09/23 | 报名已结束 | — |
| 393857 | 江苏省 苏州市 | 2019/10/26 ~ 2019/10/28 | 报名已结束 | — |
| 393858 | 广东省 珠海市 | 2019/11/23 ~ 2019/11/25 | 报名已结束 | — |
| 393859 | 北京市 市辖区 | 2019/12/21 ~ 2019/12/23 | 报名已结束 | — |
培训受众
人工智能技术及其应用实战培训受众
<br />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<br/><br/><br />
课纲
人工智能技术及其应用实战课纲
| 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.Python Scikit-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.Python Scikit_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 | TensorFlow Al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 | TensorFlow Al深度学习平台及其应用实践(2) | 41.TensorFlow CNN应用操作 42.TensorFlow LSTM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.Keras Al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 |
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。
课程对象
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
授课专家
淘课合作讲师
¥7,800
观看: 1457
