随着数字化时代的到来，机器学习、深度学习、计算机图像处理、知识图谱等技术已成为引领科技创新的核心。为深入了解和应用这些前沿技术，中培IT学院推出“机器学习、深度学习、计算机图像处理及知识图谱”应用与核心技术实战培训班。无论您是科技从业者，学术研究者，还是创业者，本培训班将为您揭开人工智能的神秘面纱，助您在竞争激烈的时代中立于不败之地。
|
机器学习、深度学习、计算机图像处理、知识图谱
培训服务一览表
|
|
近期排班
|
北京 8月26-29日
|
上海 11月27-30日
|
|
培训方式
|
· 现场面授· 直播授课 （均提供视频回放）
|
|
专家授课
|
· 4天公开课：每天6课时，资深专家授课
· 理论梳理 + 案例分享 + 实战演练
|
|
纸质资料
|
机器学习、深度学习、计算机图像处理及知识图谱应用与核心技术
培训讲义
|
|
社群服务
|
·专家在线答疑 · 学员在线交流 · 班主任教学管理
|
|
此课程可提供【企业定制】方案
|
一、培训背景
Python 是一种面向对象的，动态的程序设计语言，具有非常简洁而清晰的语法，既可以用于快速开发程序，也可以用于开发大规模软件，特别适合完成高层任务。随着 NumPy、SciPy 等众多程序库的开发，Python 越来越适合于做科学计算。Python 是一门真正的通用程序设计语言，它有众多程序库的支持，并支持多种平台，完全免费，开放源码。机器学习（数据挖掘）是从大量数据中挖掘隐含的、先前未知的、对决策有潜在价值的关系，并用这些知识和规则建立模型预测信息。机器学习有助于发现自然规律，解释已知的现象，预测未知的结果，因此机器学习已成为当代科学研究的崭新的研究方法。
二、培训亮点：
1. 机器学习入门： 从基础概念到常用算法，带您逐步了解机器学习的核心原理。
2. 深度学习探索： 探讨神经网络、深度学习架构，让您能够构建和训练自己的深度学习模型。
3. 图像处理应用： 学习图像处理的基本技术，包括特征提取、图像增强和对象识别等，为您的项目注入视觉能力。
4. 知识图谱构建： 深入了解知识图谱的构建方法和应用场景，帮助您构建结构化的知识体系。
5. 行业案例分析： 分享各行业中机器学习、深度学习、图像处理和知识图谱的成功应用案例，启发您的创新思维。
6. 实践项目实施： 通过团队合作，将学到的知识应用于实际项目，培养解决问题的能力。
7. 课后持续支持： 培训结束后，您将获得学习资料和终身学习社群的支持，与导师和同学保持联系，共同成长。
三、培训收益
课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括：
1.回归算法理论与实战；
2.分类算法理论与实战；
3.降维算法理论与实战；
4.聚类算法理论与实战；
5.神经网络算法；
6.Tensorflow DNN CNN构建；
7.基于OpenCV计算机视觉识别；
8.从0到1完成知识图谱构建；
9.通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员掌握知识图谱基础与专门知识，获得较强的知识图谱应用系统的分析、设计、实现能力。
四、培训日程
|
培训章节
|
培训内容
|
|
机器学习基础
|
1. 机器学习的开发过程
2. 监督学习的处理模式
3. 无监督学习的处理模式
4. 机器学习模型的开发步骤
5. 机器学习模型开发的要点
|
|
机器学习实战
|
1. 分类
2. 回归
3. 时间序列分析
4. 关联分析
5. 聚类与降维
|
|
深度学习基础
|
1. 神经元与神经网络
2. 激活函数的点火机制
3. Sigmoid函数与参数优化
4. 梯度下降法
5. 简单感知机
6. 多层感知机
7. Tensorflow实现感知机
8. Keras实现感知机
9. PyTorch实现感知机
|
|
深度学习进阶
|
1. 前馈神经网络
2. 误差反向传播
3. 创建神经网络
4. Fashion-MNIST图像识别
5. TensorFlow构建图像识别网络模型
6. Keras构建图像识别网络模型
7. PyTorch构建图像识别网络模型
|
|
卷积神经网络与图像识别
|
1. 卷积神经网络的结构
2. 基于TensorFlow构建CNN
3. 基于Keras构建CNN
4. 基于PyTorch构建CNN
|
|
一般物体的图像识别
|
1. 多分类数据集CIFAR-10介绍
2. CNN识别普通物体的结构
3. 基于TensorFlow + CNN构建物体识别模型
4. 基于Keras + CNN构建物体识别模型
5. 基于PyTorch + CNN构建物体识别模型
6. 模型调优提高物体识别精度
|
|
循环神经网络
|
1. RNN基本结构
2. LSTM文章生成
3. GRU图像生成
4. VEA图像生成
5. GAN图像生成
|
|
Open CV与图像识别
|
1. OpenCV安装
2. 基于OpenCV物体检测
3. 图像检测与图像保存
|
|
知识图谱概述
|
1.知识图谱（KG）概念
2.知识图谱的起源与发展
3.典型知识图谱项目简介
4.知识图谱技术概述
5.知识图谱典型应用
|
|
知识表示
|
1.早期知识表示方法
2.语义网知识表示框架
3.常见知识表示方法
4.向量表示方法
5.本体知识建模实践
|
|
知识存储
|
1. 知识图谱数据库
2. 知识图谱存储方法
3. 基于Neo4j的知识存储实践
4. 开源知识存储工具理论与实践
|
|
知识抽取与融合
|
1.知识抽取任务
2 面向结构化数据的知识抽取
2.1 Direct Mapping
2.2 R2RML
3.面向半结构化数据的知识抽取
3.1 基于正则表达式的方法
3.2 基于包装器的方法
4.面向非结构化数据的知识抽取
4.1 实体抽取
4.2 关系抽取
4.3 事件抽取
5. 知识挖掘
5.1知识挖掘流程
5.2 知识挖掘主要方法
6 知识融合
6.1 本体匹配
6.2 实体对齐
|
|
知识图谱推理
与
语义搜索
|
1. 基于演绎的知识图谱推理
2. 基于归纳的知识图谱推理
3. 知识推理开源工具实践
4. 结构化查询语言
5. 语义数据搜索
6. 语义搜索开源工具实践
7. 知识问答初步
|
|
知识图谱案例
|
基于Neo4j人物关系知识图谱存储与检索
|
五、培训讲师
王老师 北京邮电大学软件工程硕士，近10年的IT领域相关技术研究和项目开发工作，6年新东方、中国移动、中兴能源和中培教育培训讲师经验，参与国家级气象软件工程规范制定工作，对软件技术演变历史和趋势有深入体验，现任某软件科技公司CEO。拥有两项国家专利。同时具有多年授课培训经验，讲课通俗易懂，代码风格简洁清晰。
刘老师 西安邮电学院计算机科学与技术本科专业，拥有着十几年软件研发经验，7年企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通J2EE企业级开发技术。
王老师 计算机博士，深入理解传统的计算机视觉方法与目前主流的深度学习算法，在图像识别、目标检测、图像分割、OCR、人脸识别等方向均进行了丰富的项目实战。熟练使用OpenCV、Tensorflow、Keras等工具，具备丰富的数据挖掘经验。
覃老师 上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。
六、联系方式：
联系人：方老师
手 机（微信）：13910781835
咨询热线：400-808-2006
[1] |
