開課計劃> Python人工智能

Python人工智能

報名課程可獲贈200.0元助學金
退費說明：報名后未上課、以及僅上課半天的學員可無條件全額退培訓費
點擊查看詳情>>
課程圖標 課程代碼 A128
時間圖標
培訓課時
直播 直播
￥7980
統(tǒng)一銷售價
面授 面授
￥7980
具體詢問顧問老師
注：以上課程價格為培訓費
標題圖標 課程介紹 標題圖標

人工智能是研究如何利用計算機來模擬人腦所從事的感知、推理、學習、思考、規(guī)劃等人類智能活動，來解決需要用人類智能才能解決的問題，以延伸人們智能的科學。近年來，人工智能產業(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)周期長等因素影響，導致該領域的人才供給嚴重不足。

本課程主要介紹人工智能的相關概念，包括機器學習、深度學習和TensorFlow使用等。通過本課程，可以 掌握人工智能的一個問題和三大技術，即通用問題求解和知識表示技術、搜索技術、推理技術。

 

Python課程體系：

image.png

標題圖標 學員基礎 標題圖標
  1. 對計算機感興趣，熱愛編程事業(yè)
  2. 擁有Python編程語言基礎能力
  3. 具備高等數(shù)學的基礎知識

 

 

標題圖標 課程目標 標題圖標

1. 了解人工智能的發(fā)展趨勢和發(fā)展前景與關鍵技術

2.  掌握機器學習的實現(xiàn)流程常用算法

3.  掌握深度學習關鍵技術和開發(fā)流程

4.  掌握深度學習框架tensorflow

5.  掌握深度學習三大技術領域的關鍵技術

 

標題圖標 課程大綱 標題圖標

 

章節(jié)

教學重點

第一章 人工智能概述
  1. AI的社會認知
  2. 人工智能技術的發(fā)展史
  3. 人工智能技術的應用方向與應用場景
  4. 人工智能的發(fā)展戰(zhàn)略
  5. 人工智能現(xiàn)有的問題
  6. 人工智能的未來
  7. 人工智能，機器學習，深度學習之間的關系

第二章 機器學習概述
  1. 機器學習概念
  2. 機器學習的應用場景介紹
  3. 機器學習現(xiàn)有的問題
  4. 機器學習的未來前景
  5. 機器學習的分類
  6. 機器學習的整體流程

第三章 機器學習分類算法

 
  1. 分類算法的概念與應用場景
  2. KNN算法
  3. 樸素貝葉斯算法
  4. 決策樹算法
  5. 隨機森林算法
  6. 分類算法的模型評估
  7. 分類算法的模型優(yōu)化

第四章 機器學習回歸算法
  1. 回歸算法的概念與應用場景
  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
  7. 欠擬合和過擬合
  8. 回歸算法模型評估與優(yōu)化

第五章 集成學習算法與聚類算法
  1. 集成學習算法概念與應用
  2. Bagging集成原理
  3. Bagging代表算法：隨機森林
  4. Boosting集成原理
  5. Boosting代表算法：Adaboost，GBDT，XGBoost
  6. Bagging與Boosting對比
  7. 聚類算法的概念與應用場景
  8. K-means算法原理與具體實現(xiàn)
  9. 聚類算法模型評估與優(yōu)化

第六章 深度學習概述
  1. 深度學習概念
  2. 深度學習的應用場景
  3. 深度學習的三大技術方向
  4. 單層感知機模型
  5. 神經(jīng)網(wǎng)絡ANN結構
  6. 反向傳播算法
  7. 模型評估與優(yōu)化
  8. ANN手寫數(shù)字識別

第七章 Tensorflow框架
  1. 業(yè)界主流深度學習框架介紹
  2. Tensorflow介紹
  3. Tensorflow基礎知識
  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（CNN）
  1. 卷積神經(jīng)網(wǎng)絡介紹
  2. 卷積神經(jīng)網(wǎng)絡的實現(xiàn)原理
  3. 卷積層實現(xiàn)原理
  4. 池化層實現(xiàn)原理
  5. 全連接層實現(xiàn)原理
  6. API介紹與具體應用
  7. 案例：手寫圖片實現(xiàn)
  8. 案例：貓狗圖像識別

第九章 循環(huán)神經(jīng)網(wǎng)絡（RNN）
  1. 循環(huán)神經(jīng)網(wǎng)絡介紹與應用場景
  2. 循環(huán)神經(jīng)網(wǎng)絡的實現(xiàn)原理
  3. LSTM長短記憶網(wǎng)絡
  4. API介紹與使用
  5. API介紹與具體應用
  6. 案例：手寫數(shù)字識別

第十章 生成對抗神經(jīng)網(wǎng)絡（GAN）
  1. 生成對抗神經(jīng)網(wǎng)絡介紹與應用場景
  2. 生成對抗神經(jīng)網(wǎng)絡的實現(xiàn)原理
  3. 生成器原理
  4. 判別器原理
  5. API介紹與具體應用
  6. 案例：手寫圖片生成

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

第十二章 自然語言處理（NLP）
  1. 自然語言處理概述與應用場景
  2. 自然語言處理研究內容
  3. 自然語言處理關鍵技術
  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
  9. 知識圖譜（基本概念、體系結構與應用場景）
  10. 案例：新聞主體分類任務
  11. 案例：人名分類器

第十二章 人工智能項目實戰(zhàn)
  1. 車牌識別
  2. 佩戴口罩識別
  3. 自動作詩機器人
  4. 聊天機器人