人工智能技術及其應用實戰(zhàn)(鐘老師)課程介紹：

    近年來, 隨著“人工智能”深入應用到社會各個行業(yè), 通過將對應的人工智能技術比如人臉識別,車牌識別等應用到具體的行業(yè)信息化領域,包括新興互聯(lián)網企業(yè)(如電商企業(yè)、搜索引擎、社交網站、互聯(lián)網廣告服務提供商等)、金融企業(yè)(銀行、保險、證券公司、互聯(lián)網金融借貸公司等)、通信運營商(電信、移動、聯(lián)通)等行業(yè)的企業(yè)。在國內外形成了獨具特色的智能產業(yè)和智能經濟。

    本課程對業(yè)界主流最新的人工智能及其應用實戰(zhàn)技術分成基礎級、 進階級、 高級實戰(zhàn)三個層次進行系統(tǒng)化地培訓, 讓學員分成三個階段深入系統(tǒng)地掌握人工智能技術的應用
1) 第一階段:人工智能基礎級培訓內容,讓學員掌握人工智能的基礎知識,人工智能的問題解決思路, 人工智能的應用案例, 人工智能產業(yè)和人工智能產品的應用解決方案 。
2) 第二階段:人工智能進階級培訓內容,讓學員掌握人工智能中用到的機器學習方法和深度學習方法,包括有監(jiān)督學習,無監(jiān)督學習和半監(jiān)督學習,以及決策樹機器學習、樸素貝葉斯機器學習、神經網絡機器學習、深度學習、巻積神經網絡和 LSTM神經網絡機器學習的算法模型的原理和應用實踐操作, 每類算法模型在具體場景中的應用實踐。
3) 第三階段:人工智能高級項目應用培訓內容,讓學員掌握人工智能的系統(tǒng)平臺工具的應用實戰(zhàn), 包括人工智能的代表性系統(tǒng)工具平臺: TesorFlow深度學習平臺, Keras深度學習庫和 Python Al系統(tǒng)的應用實踐,在講解的同時,由講師帶著學員對人工智能工具安排實踐操作, 讓學員更突出掌握實戰(zhàn)技能。

培訓目標
1、通過本課程的學習, 學員可以用較短的時間掌握人工智能領域的基礎和精華內容
2、讓學員掌握人工智能的基礎知識,人工智能的問題解決思路,人工智能的應用案例,人工智能產業(yè)和人工智能產品的應用解決方案 。
3、讓學員掌握人工智能的技術平臺應用,重點包括PythonKeras, TensorFlow, PyTorch,,Theano, CNTK, Caffe等應用實戰(zhàn),并且通過兩三個具體的企業(yè)應用實驗操作,鞏固掌握的 Al技術和平臺。

培訓方式
定制授課+實戰(zhàn)案例訓練+互動咨詢討論,共3天
本課程采用技術原理與項目實戰(zhàn)相結合的方式進行教學, 在講授原理的過程中, 穿插實際的系統(tǒng)操作, 本課程講師也精心準備的實際的應用案例供學員動手訓練 。

詳細大綱與培訓內容

模塊一 人工智能基礎、技術及其體系
1.人工智能(Artificiallntelligence, Al)的定義、起源、用途
2.人工智能的發(fā)展歷程與脈絡
3.人工智能的國家政策解讀
4.人工智能的技術體系
5.人工智能的技術框架

模塊二 人工智能的問題求解及技術實現(xiàn)
6.人工智能領域的經典問題和求解方式
7.機器學習模型和推理符號模型
8.人工智能和大數(shù)據
9.人工智能和機器學習
10.人工智能和深度學習

模塊三 人工智能的學習方式
11.有監(jiān)督學習訓練
12.無監(jiān)督學習訓練
13.半監(jiān)督學習訓練

模塊四 人工智能的行業(yè)應用與發(fā)展
14.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
15.人工智能結合大數(shù)據的行業(yè)應用案例
16.人工智能在“互聯(lián)網+”領域的應用
17.人工智能在制造業(yè)領域的應用
18.人工智能在金融、消費領域的應用

模塊五 部署人工智能實驗平臺
19.部署人工智能實驗操作軟件和環(huán)境
20.運行講師提供的人工智能簡単示例驗證環(huán)境的準確性
21.熟悉實驗資料和實驗環(huán)境

模塊六 人工智能機器學習的算法模型的應用實踐(1) 
22.人工智能領域的四大類經典算法模型
23.神經網絡機器學習算法模型及其應用
24.決策樹算法模型及其應用
25.關聯(lián)分析算法模型及其應用
26.聚類分析算法模型及其應用
27.深度學習算法模型及應用
28.CNN卷積神經網絡算法模型及應用

模塊七 人工智能機器學習的算法模型的應用實踐(2) 
29.樸素貝葉斯算法模型及其應用
30.邏輯回歸算法模型及其預測應用
31.LSTM深度學習庫的應用
32.Python機器學習庫的應用
33.Python Scikit-learn算法庫的使用講解

模塊八 人工智能和機器學習的實驗操作
34.Python Scikit_learn算法庫的實戰(zhàn)操作
35.利用 Python語言編程,實現(xiàn)分類預測項目
36.實驗要求準確率、召回率、誤差等指標

模塊九 TensorFlow Al深度學習平臺及其應用實踐(1)
37.TensorFlow: 一個Al深度學習框架的概述
38.TensorFlow深度學習平臺的工作機制和系統(tǒng)架構
39.TensorFlow的安裝、部署、配置和使用
40.TensorFlow的應用場景和應用案例

模塊十 TensorFlow Al深度學習平臺及其應用實踐(2)
41.TensorFlow CNN應用操作
42.TensorFlow LSTM應用操作
43.TensorFlow在圖像識別的實驗操作
44.基于TensorFlow的可視化工具：Tensorboard簡介
45.Tensorboard的部署、配置和應用界面操作
46.基于TensorFlow和Tensorboard進行實驗操作

模塊十一 Keras人工智能平臺應用實踐
47.業(yè)界常用的AI平臺：Keras人工智能平臺架構
48.Keras Al平臺的部署與配置
49.Keras技術實現(xiàn)與工作機制
50.Keras實驗操作

模塊十二 項目實踐
51.利用學過的知識，使用Python編程實現(xiàn)基本的人臉識別或講師布置的AI實驗項目
52.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

模塊十三 培訓內容綜合、應用完整實踐與咨詢討論
53.根據講師布置的實際應用案例, 開展人工智能和大數(shù)據完整項目部署設計和應用開發(fā)實踐、 應用實施以及解決方案分享咨詢與交流討論

師資力量
鐘老師,男,博士畢業(yè)于中國科學院,獲工學博士學位(計算機專業(yè)),博士后(虛擬經濟與數(shù)據科學專業(yè)) , 曾在國內某高校和某大型通信企業(yè)工作過, 目前在中國科學院某研究所工作,副研究員,高級工程師,項目組長,團隊成員十余人。人工智能、大數(shù)據系列課程建設與教學專家,新技術課程開發(fā)組長。近八年來帶領團隊主要從事 Python編程、 Al人工智能、深度學習平臺的項目實踐(Tensorflow、 Keras、 PyTorch、 Caffe、 Theano, CNTK等)、大數(shù)據建模分析控掘與機器學習(SPSS, Python, Mahout、 MLlib、 Python、 Oryx、 H20、 FlinkPentahoBl、 SAS、 R等)、大數(shù)據管理與高性能分析處理(Hadoop、 Spark、 Storm)、大數(shù)據倉庫(HIVE)和實時數(shù)據倉庫(SparkSQL、 Shark), MPP并行數(shù)據倉庫(Greenplum etc)、NoSQL與NewSQL分布式數(shù)據庫(HBase、 MongoDB、 Cassandra etc)、(移動)電子商務平臺、大數(shù)據搜索平臺(ElasticSearch、 Solr、 Lucene等)、云計算與虛擬化(0penStack, VMware, XenServer, CloudStack, KVM, Docker, SaaS服務)、云存儲系統(tǒng)、 Swift對象存儲系統(tǒng)、網絡GIS 地圖服務器、 互聯(lián)網+在線教育云平臺方面的項目研發(fā)與管理工作。

頒發(fā)證書
參加相關培訓并通過考試的學員，可以獲得：
1.工業(yè)和信息化部頒發(fā)的-人工智能與深度學習證書。該證書可作為專業(yè)技術人員職業(yè)能力考核的證明，以及專業(yè)技術人員崗位聘用、任職、定級和晉升職務的重要依據。
注：請學員帶二寸彩照2張（背面注明姓名）、身份證復印件一張。

更多人工智能技術及其應用實戰(zhàn)相關課程：