课程收益：
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。
人工智能“无处不在”
汽车领域 智能驾驶、车联网等
医疗健康 医疗影像分析、疾病诊断和个性化治疗等
智能助理 人工智能+技术实现了智能对话，个性化推荐等
金融领域 风险管理、智能投资和客户服务等
教育领域 个性化教学、智能学习系统等
制造领域 智能制造、预约性维护、生产优化等
游戏领域 智能对手的行为模拟、游戏关卡的动态调整等
智能家居领域 智能家居设备能实现更智能化控制和管理等
未来展望 人工智能的影响已经深入到我们生活的方方面面，不
断推动各行各业的数字化、智能化转型
课程简介
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。
培训价值
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。使学员获得：
1、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。
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
课程大纲：
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
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
7.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
注意力机制 5.点积注意力机制
6.编码与解码注意力
7.注意力机制中的Q、K、V
8.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
讲师介绍：
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。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。
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。
