人工智能AI工程师技术培训-北京站报名中>>

日期：2024-11-20 09:46:50 浏览：112次作者：小编

人工智能（Artificial Intelligence），英文缩写为AI。是新一轮科技革命和产业变革的重要驱动力量，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。

人工智能无处不在.jpg

【人工智能课程简介】

中培IT学院特邀相关领域权威专家精心打造了“人工智能实践项目案例分析与实战应用”课程，并定期开展公开课。本次培训从实战的角度对深度学习技术进行了全面的剖析，并结合实际案例分析，探讨深度学习、机器学习、图像识别、知识图谱的应用场景。给相关从业人员以指导和启迪。

参加培训并通过考试学员，统一颁发《人工智能核心技术（高级）》证书，证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。

【人工智能课程价值】

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。

带你一课打通人工智能实用技能

机器学习	深度学习	图像识别
人工智能的核心涵盖机器学习的基础知识重点讲解实战内容	实现人工智能的途径掌握深度学习的基础知识系统学习深度学习进阶知识	卷积神经网络与图像识别一般物体的图像识别 Open CV与图像识别
知识图谱	GYM与强化学习	基于DQN神经网络构建
知识图谱的起源知识图谱典型案例分享详细讲解知识存储 Neo4j人物关系知识图谱存储与检索案例分析	GYM安装与游戏奖罚强化学习介绍马尔科夫性质与决策过程 SARSA 算法蒙特卡洛多步采样	CartPole Q-Table 爬山算法 DQN 强化神经网络 DQN原理分析强化学习模型

【人工智能课程大纲】

时间	内容	备注
第一天	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
第一天	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
第二天	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
第三天	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
	YOLO与目标识别	1) YOLO介绍与版本安装 2) 基于YOLO物体检测 3) Labelimg物体标注 4) 目标检测与检测结果保存
	GYM与强化学习	1) GYM安装与游戏奖罚设置 2) 强化学习的与众不同 3) 马尔科夫性质与决策过程 4) SARSA 算法介绍与推导 5) 蒙特卡洛多步采样
	知识图谱的存储与检索	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
第四天	注意力机制	1) 点积注意力机制 2) 编码与解码注意力 3) 注意力机制中的Q、K、V 4) 自注意力与多头注意力
	TransFormer架构解析	1) 各种注意力的应用 2) 编码器输入与位置编码 3) 编码器的内部结构 4) 训练自己的TransFormer模型
	Hugging Face平台介绍与使用	1) Hugging Face 平台简介与生态系统 2) Hugging Face 数据集库 3) Transformers 库的使用 4) 模型部署与推理 API