课程介绍
【培训背景】
人工智能(AI)是新一轮科技革命和产业变革的核心驱动力,将深刻改变人类社会生活,改变世界,对于实现社会生产力新跃升,提高综合国力和国际竞争力具有重要意义。知识图谱是人工智能技术的重要组成部分,是AI分支符号主义在新时期主要的落地技术方式。它以其强大的语义处理能力和开放组织能力,为互联网时代的知识化组织和智能应用奠定了基础。自2012年谷歌提出知识图谱概念以来,国内外大规模知识图谱的研究不断深入,并广泛应用于知识融合、语义搜索和推荐、问答和对话系统、大数据分析与决策等方面,应用领域覆盖金融、制造、政府、电信、电商、客服、零售、娱乐、医疗、农业、出版、保险、知识服务、教育等行业。
【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;
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。
【适合人群】
1、政府、企业、学校IT相关技术人员;高校相关专业硕士、博士研究生。
2、企业技术总监及相关管理人员。
3、人工智能与知识图谱系统架构师、设计与编程人员。
4、对人工智能技术感兴趣的其他人员。
【培训特色】
1.资深讲师授课,小班制教学;
2.理论与实践相结合、案例分析与行业应用穿插进行;
3.专家精彩内容解析、学员专题讨论、分组研究。
【授课专家】
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。Java方向:设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且对Java源码有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬虫、基于Surprise库数据推荐,Tensorflow人工智能框架、人脸识别技术。区块链方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
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。在长期软件领域工作过程中,对软件企业运作模式有深入研究,熟悉软件质量保障标准ISO9003和软件过程改进模型CMM/CMMI,在具体项目实施过程中总结经验,有深刻认识。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。曾使用Tensorflow,Caffe,Keras等深度学习框架完成过多项图像,语音,nlp,知识图谱,搜索相关的人工智能实际项目,研发经验丰富。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。
通晓多种软件设计和开发工具。对软件开发整个流程非常熟悉,能根据项目特点定制具体软件过程,并进行项目管理和监控,有很强的软件项目组织管理能力。对C 、C++ 、java、java EE、android、IOS、大数据、云计算有比较深入的理解和应用,具有较强的移动互联网应用需求分析和系统设计能力,熟悉Android框架、IOS框架等技术,了解各种设计模式,能在具体项目中灵活运用。
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。曾使用Tensorflow,Caffe,Keras等深度学习框架完成过多项图像,语音,nlp,搜索相关的人工智能实际项目,研发经验丰富。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。
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,熟悉大数据下的ETL与模型搭建,曾独立负责美团用户信用分评估、敏感身份挖掘、京东金融APP多个模块推荐算法搭建等项目。
【结业证书】
参加培训并通过考试学员,由工业和信息化部教育与考试中心统一颁发《人工智能工程师》工业和信息化职业能力证书, 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。
证书样本
开班计划
开课时间 | 授课形式 | 培训类型 | 上课城市 | 在线报名 |
---|---|---|---|---|
2024-06-22 | 面授+直播 | 精品班 | 杭州 | 在线报名 |
2024-11-20 | 面授+直播 | 精品班 | 北京 | 在线报名 |
随报随学 | 录播 | 特惠班 | IT云课 | 在线报名 |
课程大纲
人工智能实践项目案例分析与实战应用培训班,标准公开课为4天,每天6小时,录播课为18课时,企业内训可按需求定制。
课程安排如下:
培训模块 | 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 |
知识图谱案例 | 基于Neo4j人物关系知识图谱存储与检索 |
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 |
基于DQN神经网络构建 | 1. CartPole规则与演示 2. Q-Table局限性 3. 爬山算法获取最优解 4. DQN 强化神经网络 5. DQN原理分析 6. 强化学习模型部署与应用 |