開課計(jì)劃> Python人工智能

Python人工智能

報(bào)名課程可獲贈(zèng)200.0元助學(xué)金
退費(fèi)說(shuō)明：報(bào)名后未上課、以及僅上課半天的學(xué)員可無(wú)條件全額退培訓(xùn)費(fèi)
點(diǎn)擊查看詳情>>
課程圖標(biāo) 課程代碼 A128
時(shí)間圖標(biāo)
培訓(xùn)課時(shí)
直播 直播
￥7980
統(tǒng)一銷售價(jià)
面授 面授
￥7980
具體詢問(wèn)顧問(wèn)老師
注：以上課程價(jià)格為培訓(xùn)費(fèi)
標(biāo)題圖標(biāo) 課程介紹 標(biāo)題圖標(biāo)

人工智能是研究如何利用計(jì)算機(jī)來(lái)模擬人腦所從事的感知、推理、學(xué)習(xí)、思考、規(guī)劃等人類智能活動(dòng)，來(lái)解決需要用人類智能才能解決的問(wèn)題，以延伸人們智能的科學(xué)。近年來(lái)，人工智能產(chǎn)業(yè)的快速發(fā)展，人才需求激增，再加上人才培養(yǎng)體制不完善、培養(yǎng)周期長(zhǎng)等因素影響，導(dǎo)致該領(lǐng)域的人才供給嚴(yán)重不足。

本課程主要介紹人工智能的相關(guān)概念，包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和TensorFlow使用等。通過(guò)本課程，可以 掌握人工智能的一個(gè)問(wèn)題和三大技術(shù)，即通用問(wèn)題求解和知識(shí)表示技術(shù)、搜索技術(shù)、推理技術(shù)。

 

Python課程體系：

image.png

標(biāo)題圖標(biāo) 學(xué)員基礎(chǔ) 標(biāo)題圖標(biāo)
  1. 對(duì)計(jì)算機(jī)感興趣，熱愛編程事業(yè)
  2. 擁有Python編程語(yǔ)言基礎(chǔ)能力
  3. 具備高等數(shù)學(xué)的基礎(chǔ)知識(shí)

 

 

標(biāo)題圖標(biāo) 課程目標(biāo) 標(biāo)題圖標(biāo)

1. 了解人工智能的發(fā)展趨勢(shì)和發(fā)展前景與關(guān)鍵技術(shù)

2.  掌握機(jī)器學(xué)習(xí)的實(shí)現(xiàn)流程常用算法

3.  掌握深度學(xué)習(xí)關(guān)鍵技術(shù)和開發(fā)流程

4.  掌握深度學(xué)習(xí)框架tensorflow

5.  掌握深度學(xué)習(xí)三大技術(shù)領(lǐng)域的關(guān)鍵技術(shù)

 

標(biāo)題圖標(biāo) 課程大綱 標(biāo)題圖標(biāo)

 

章節(jié)

教學(xué)重點(diǎn)

第一章 人工智能概述
  1. AI的社會(huì)認(rèn)知
  2. 人工智能技術(shù)的發(fā)展史
  3. 人工智能技術(shù)的應(yīng)用方向與應(yīng)用場(chǎng)景
  4. 人工智能的發(fā)展戰(zhàn)略
  5. 人工智能現(xiàn)有的問(wèn)題
  6. 人工智能的未來(lái)
  7. 人工智能，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)之間的關(guān)系

第二章 機(jī)器學(xué)習(xí)概述
  1. 機(jī)器學(xué)習(xí)概念
  2. 機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景介紹
  3. 機(jī)器學(xué)習(xí)現(xiàn)有的問(wèn)題
  4. 機(jī)器學(xué)習(xí)的未來(lái)前景
  5. 機(jī)器學(xué)習(xí)的分類
  6. 機(jī)器學(xué)習(xí)的整體流程

第三章 機(jī)器學(xué)習(xí)分類算法

 
  1. 分類算法的概念與應(yīng)用場(chǎng)景
  2. KNN算法
  3. 樸素貝葉斯算法
  4. 決策樹算法
  5. 隨機(jī)森林算法
  6. 分類算法的模型評(píng)估
  7. 分類算法的模型優(yōu)化

第四章 機(jī)器學(xué)習(xí)回歸算法
  1. 回歸算法的概念與應(yīng)用場(chǎng)景
  2. 線性回歸算法
  3. 梯度下降算法
  4. 正則化
  5. 邏輯回歸算法
  6. SVM支持向量機(jī)
  7. 欠擬合和過(guò)擬合
  8. 回歸算法模型評(píng)估與優(yōu)化

第五章 集成學(xué)習(xí)算法與聚類算法
  1. 集成學(xué)習(xí)算法概念與應(yīng)用
  2. Bagging集成原理
  3. Bagging代表算法：隨機(jī)森林
  4. Boosting集成原理
  5. Boosting代表算法：Adaboost，GBDT，XGBoost
  6. Bagging與Boosting對(duì)比
  7. 聚類算法的概念與應(yīng)用場(chǎng)景
  8. K-means算法原理與具體實(shí)現(xiàn)
  9. 聚類算法模型評(píng)估與優(yōu)化

第六章 深度學(xué)習(xí)概述
  1. 深度學(xué)習(xí)概念
  2. 深度學(xué)習(xí)的應(yīng)用場(chǎng)景
  3. 深度學(xué)習(xí)的三大技術(shù)方向
  4. 單層感知機(jī)模型
  5. 神經(jīng)網(wǎng)絡(luò)ANN結(jié)構(gòu)
  6. 反向傳播算法
  7. 模型評(píng)估與優(yōu)化
  8. ANN手寫數(shù)字識(shí)別

第七章 Tensorflow框架
  1. 業(yè)界主流深度學(xué)習(xí)框架介紹
  2. Tensorflow介紹
  3. Tensorflow基礎(chǔ)知識(shí)
  4. Tensorflow中常用API介紹
  5. Tensorflow的基本操作

第八章 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
  1. 卷積神經(jīng)網(wǎng)絡(luò)介紹
  2. 卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)原理
  3. 卷積層實(shí)現(xiàn)原理
  4. 池化層實(shí)現(xiàn)原理
  5. 全連接層實(shí)現(xiàn)原理
  6. API介紹與具體應(yīng)用
  7. 案例：手寫圖片實(shí)現(xiàn)
  8. 案例：貓狗圖像識(shí)別

第九章 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）
  1. 循環(huán)神經(jīng)網(wǎng)絡(luò)介紹與應(yīng)用場(chǎng)景
  2. 循環(huán)神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)原理
  3. LSTM長(zhǎng)短記憶網(wǎng)絡(luò)
  4. API介紹與使用
  5. API介紹與具體應(yīng)用
  6. 案例：手寫數(shù)字識(shí)別

第十章 生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN）
  1. 生成對(duì)抗神經(jīng)網(wǎng)絡(luò)介紹與應(yīng)用場(chǎng)景
  2. 生成對(duì)抗神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)原理
  3. 生成器原理
  4. 判別器原理
  5. API介紹與具體應(yīng)用
  6. 案例：手寫圖片生成

第十一章 opencv圖像識(shí)別
  1. 圖像預(yù)處理技術(shù)
  2. 圖像處理的基本任務(wù)
  3. 圖像識(shí)別（圖像分類，目標(biāo)檢測(cè)，圖像分割，目標(biāo)跟蹤）及其常用算法介紹
  4. Opencv框架介紹
  5. API具體使用
  6. API介紹與具體應(yīng)用
  7. 案例：信用卡數(shù)字識(shí)別
  8. 案例：文檔掃描OCR識(shí)別

第十二章 自然語(yǔ)言處理（NLP）
  1. 自然語(yǔ)言處理概述與應(yīng)用場(chǎng)景
  2. 自然語(yǔ)言處理研究?jī)?nèi)容
  3. 自然語(yǔ)言處理關(guān)鍵技術(shù)
  4. 文本處理的基本方法
  5. 文本張量表示方法（word2vec）
  6. 文本數(shù)據(jù)分析
  7. 文本特征處理（n-gram）
  8. 文本數(shù)據(jù)增強(qiáng)
  9. 知識(shí)圖譜（基本概念、體系結(jié)構(gòu)與應(yīng)用場(chǎng)景）
  10. 案例：新聞主體分類任務(wù)
  11. 案例：人名分類器

第十二章 人工智能項(xiàng)目實(shí)戰(zhàn)
  1. 車牌識(shí)別
  2. 佩戴口罩識(shí)別
  3. 自動(dòng)作詩(shī)機(jī)器人
  4. 聊天機(jī)器人