内容模块 | 课程介绍 | 授课详细内容 |
模块一 |
人工智能基础、技术及其体系
| 1.人工智能(Artificiallntelligence, Al)的定义、起源、用途 2.人工智能的发展历程与脉络 3.人工智能的国家政策解读 4.人工智能的技术体系 5.人工智能的技术框架 |
模块二 |
人工智能的问题求解及技术实现
| 6.人工智能领域的经典问题和求解方式 7.机器学习模型和推理符号模型 8.人工智能和大数据 9.人工智能和机器学习 10.人工智能和深度学习 |
模块三
|
人工智能的学习方式
| 11.有监督学习训练 12.无监督学习训练 13.半监督学习训练 |
模块四
|
人工智能的行业应用与发展
| 14.人工智能的行业图谱和行业发展割析 15.人工智能结合大数据的行业应用案例 16.人工智能在“互联网+”领域的应用 17.人工智能在制造业领域的应用 18.人工智能在金融、消费领域的应用 |
模块五
|
部署人工智能实验平台
| 19.部署人工智能实验操作软件和环境 20.运行讲师提供的人工智能简単示例验证环境的准确性 21.熟悉实验资料和实验环境 |
模块六 |
人工智能机器学习的算法模型的应用实践(1)
| 22.人工智能领域的四大类经典算法模型 23.神经网络机器学习算法模型及其应用 24.决策树算法模型及其应用 25.关联分析算法模型及其应用 26.聚类分析算法模型及其应用 27.深度学习算法模型及应用 28.CNN卷积神经网络算法模型及应用 |
模块七
|
人工智能机器学习的算法模型的应用实践(2)
| 29.朴素贝叶斯算法模型及其应用 30.逻辑回归算法模型及其预测应用 31.LSTM深度学习库的应用 32.Python机器学习库的应用 33.Python Scikit-learn算法库的使用讲解 |
模块八
| 人工智能和机器学习的实验操作 | 34.Python Scikit_learn算法库的实战操作 35.利用 Python语言编程,实现分类预测项目 36.实验要求准确率、召回率、误差等指标 |
模块九 |
TensorFlow Al深度学习平台及其应用实践(1)
| 37.TensorFlow: 一个Al深度学习框架的概述 38.TensorFlow深度学习平台的工作机制和系统架构 39.TensorFlow的安装、部署、配置和使用 40.TensorFlow的应用场景和应用案例 |
模块十
|
TensorFlow Al深度学习平台及其应用实践(2) | 41.TensorFlow CNN应用操作 42.TensorFlow LSTM应用操作 43.TensorFlow在图像识别的实验操作 44.基于TensorFlow的可视化工具:Tensorboard简介 45.Tensorboard的部署、配置和应用界面操作 46.基于TensorFlow和Tensorboard进行实验操作 |
模块十一 |
Keras人工智能平台应用实践 | 47.业界常用的AI平台:Keras人工智能平台架构 48.Keras Al平台的部署与配置 49.Keras技术实现与工作机制 50.Keras实验操作 |
模块十二 |
项目实践 | 51.利用学过的知识,使用Python编程实现基本的人脸识别或讲师布置的AI实验项目 52.讲师提供项目指导手册,带着学员完成,学员独立完成后,讲师答疑 |
模块十三 | 培训内容综合、 应用完整实践与咨询讨论 | 53.根据讲师布置的实际应用案例, 开展人工智能和大数据完整项目部署设计和应用开发实践、 应用实施以及解决方案分享咨询与交流讨论 |