中培IT学院
人工智能实践项目案例分析与实战应用

人工智能实践项目案例分析与实战应用

授课方式:面授/直播/录播

课程时长:4天

面向对象:政府、企业、学校IT相关技术人员、人工智能与知识图谱系统架构师、设计与编程人员

学习重点:回归算法理论与实战、Tensorflow DNN CNN构建、从0到1完成知识图谱构建

课程价格:¥8800.00

课程介绍 开班计划 课程大纲 往期课堂

课程介绍

【培训背景】


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。

 

【培训收益】

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。使学员获得:

1. 理论知识与技能提升——深化理论理解、掌握实践技能、培养问题解决能力;

2. 行业洞察与经验积累——了解行业应用趋势,积累项目实施经验,拓展行业人脉资源;

3. 创新思维与能力培养——激发创新灵感,培养批判性思维,提升综合创新能力;

4. 职业发展与竞争力提升——增强就业竞争力,适应职业发展需求,助力职业转型与晋升。


【适合人群】

Ø 政府、企业、学校IT相关技术人员;

Ø 高校相关专业硕士、博士研究生;

Ø 人工智能与知识图谱系统架构师与编程人员;

Ø 企业管理人员、技术主管、产品经理及决策者。

 

【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。

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。

 

【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《人工智能核心技术(高级)》工业和信息化职业能力证书。

  

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
2025-05-26 面授+直播 精品班 西安 在线报名
2025-08-24 面授+直播 精品班 北京 在线报名
2025-10-26 面授+直播 精品班 成都 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: 

日程

主题

内容

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

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


往期课堂