久久欧洲_福利精品视频_三星手机最新款_91国精产品_天堂影院av_亚洲天堂av中文字幕

培訓(xùn)安排：2023年11月27日-30日 上海

培訓(xùn)費(fèi)用：8800元/人（含培訓(xùn)費(fèi)、平臺(tái)費(fèi)、資料費(fèi)以及直播視頻回放一年等費(fèi)用）。

培訓(xùn)證書：本課程由中國(guó)信息化培訓(xùn)中心頒發(fā)《人工智能高級(jí)工程師》證書，證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級(jí)和晉升職務(wù)的重要依據(jù)。

課程收益：課程中通過(guò)細(xì)致講解，使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括——

1.回歸算法理論與實(shí)戰(zhàn)

2.決策樹算法理論與實(shí)戰(zhàn)

3.集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)

4.聚類算法理論與實(shí)戰(zhàn)

5.神經(jīng)網(wǎng)絡(luò)算法

6.Tensorflow DNN CNN構(gòu)建

7.基于OpenCV計(jì)算機(jī)視覺(jué)識(shí)別

8.YOLO目標(biāo)識(shí)別框架

9.從0到1完成知識(shí)圖譜構(gòu)建

10.通過(guò)展示教師的實(shí)際科研成果，講述人工智能與知識(shí)圖譜的技術(shù)原理與應(yīng)用系統(tǒng)開發(fā)方法、知識(shí)圖譜系統(tǒng)開發(fā)工具使用方法。使學(xué)員掌握知識(shí)圖譜基礎(chǔ)與專門知識(shí)，獲得較強(qiáng)的知識(shí)圖譜應(yīng)用系統(tǒng)的分析、設(shè)計(jì)、實(shí)現(xiàn)能力。

課程大綱：

機(jī)器學(xué)習(xí)與線性回歸算法

1.線性回歸介紹與公式推導(dǎo)

2.多變量線性歸回歸與梯度下降

3.預(yù)測(cè)銷量與廣告投放相關(guān)性預(yù)測(cè)

4.數(shù)據(jù)升維與PCA降維

5.數(shù)據(jù)歸一化與模型優(yōu)化

6.欠擬合與過(guò)擬合

7.訓(xùn)練結(jié)果的可視化

8.保存模型與再加載

邏輯回歸與決策樹實(shí)戰(zhàn)

1.項(xiàng)目背景與需求分析

2.特征工程之標(biāo)準(zhǔn)化

3.基本預(yù)處理操作

4.上采樣與下采樣

5.混淆矩陣可視化函數(shù)

6.模型的訓(xùn)練與準(zhǔn)確率,精確率,召回率

決策樹、集成學(xué)習(xí)識(shí)別銀行高風(fēng)險(xiǎn)貸款

1.信息增益與算法原理介紹

2.數(shù)據(jù)分析、特征工程

3.模型訓(xùn)練與優(yōu)化參數(shù)

4.隨機(jī)森林、正向激勵(lì)算法

5.采用決策樹識(shí)別高風(fēng)險(xiǎn)貸款

Tensorflow2.3 神經(jīng)網(wǎng)絡(luò)

1.Tensorflow安裝

2.Tensorlfow基礎(chǔ)知識(shí)

3.Tensorflow線性回歸

4.Tensorflow非線性回歸

5.Mnist數(shù)據(jù)集合Softmax講解

6.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫數(shù)字識(shí)別

7.交叉熵(cross-entropy)講解和使用

8.過(guò)擬合,正則化,Dropout

9.各種優(yōu)化器Optimizer

10.改進(jìn)手寫數(shù)字識(shí)別網(wǎng)絡(luò)

11.模型保存與載入

深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò)、CIFAR圖形圖像識(shí)別項(xiàng)目

1.CIFAR項(xiàng)目需求介紹

2.分析愛data_batch數(shù)據(jù)集

3.CNN卷積神經(jīng)網(wǎng)絡(luò)介紹

4.卷積、深度、池化、步長(zhǎng)、激活函數(shù)

采用CNN完成CIFAR物體分類

1.人臉識(shí)別數(shù)據(jù)集與算法介紹

2.模型結(jié)構(gòu)設(shè)計(jì)

3.人臉損失函數(shù)設(shè)計(jì)

4.模型與參數(shù)調(diào)優(yōu)

Keras 神經(jīng)網(wǎng)絡(luò)框架

1.Keras神經(jīng)網(wǎng)絡(luò)框架介紹

2.基于Keras情感類分析

3.動(dòng)物分類器實(shí)現(xiàn)

4.采用Keras實(shí)現(xiàn)非線性回歸

5.生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用

6.模塊結(jié)構(gòu)分析與優(yōu)化策略

7.采用Keras重構(gòu)TensorFlow項(xiàng)目

Open CV計(jì)算機(jī)視覺(jué)技術(shù)

1.OpenVINO框架介紹與安裝測(cè)試

2.OpenCV DNN中使用IE模塊加速

3.轉(zhuǎn)化工具與IE模塊加速

4.準(zhǔn)備人臉數(shù)據(jù)

5.CV掃描圖像、平滑、擴(kuò)張實(shí)現(xiàn)

6.DNN神經(jīng)網(wǎng)絡(luò)識(shí)別人臉

7.測(cè)試與調(diào)優(yōu)操作

8.基于Open CV DNN 構(gòu)建車輛與車牌檢查模型

YOYO目標(biāo)識(shí)別框架技術(shù)

1.標(biāo)檢測(cè)任務(wù)介紹

2.RCNN/Fast-RCNN/Faster-RCNN算法介紹

3.YOLO算法介紹

4.目標(biāo)分割任務(wù)介紹

5.全卷積網(wǎng)絡(luò)

6.雙線性上采樣

7.特征金字塔

8.Mask RCNN算法介紹

9.目標(biāo)分割項(xiàng)目實(shí)戰(zhàn)

圖數(shù)據(jù)庫(kù)與構(gòu)建知識(shí)圖譜

1.知識(shí)圖譜核心技術(shù)：知識(shí)推理

2.知識(shí)圖譜應(yīng)用場(chǎng)景與抽取概述介紹

3.本體知識(shí)推理與任務(wù)分類

4.實(shí)體與關(guān)系、事件抽取技術(shù)

5.采用TxtCnn、CRF完成知識(shí)抽取

6.采用RNN、LSTM完成知識(shí)抽取

知識(shí)存儲(chǔ)與問(wèn)答機(jī)器人構(gòu)建

1.知識(shí)存儲(chǔ)neo4j常用數(shù)據(jù)庫(kù)

2.Cyhper語(yǔ)言介紹

3.采用Py操作Neo4j數(shù)據(jù)庫(kù)

4.基于知識(shí)圖譜問(wèn)答機(jī)器人構(gòu)建

知識(shí)圖譜概述

1.知識(shí)圖譜（KG）概念

2.知識(shí)圖譜的起源與發(fā)展

3.典型知識(shí)圖譜項(xiàng)目簡(jiǎn)介

4.知識(shí)圖譜技術(shù)概述

5.知識(shí)圖譜典型應(yīng)用

知識(shí)表示

1.基于符號(hào)主義的知識(shí)表示概述

1.1 謂詞邏輯表示法

1.2 產(chǎn)生式系統(tǒng)表示法

1.3 語(yǔ)義網(wǎng)絡(luò)表示法

2 知識(shí)圖譜的知識(shí)表示

2.1 RDF和RDFS

2.2 OWL和OWL2

2.3 Json-LD與RDFa、MicroData

2.4 SPARQL查詢語(yǔ)言  

3 知識(shí)建模實(shí)戰(zhàn) Protege

知識(shí)圖譜核心基礎(chǔ)技術(shù)（一） -神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

1.神經(jīng)網(wǎng)絡(luò)基本原理

2.神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例

3.深度學(xué)習(xí)概述

4.主流深度學(xué)習(xí)框架

4.1 TesorFlow

4.2 Caffe

5.卷積神經(jīng)網(wǎng)絡(luò)（CNN）

5.1 CNN簡(jiǎn)介

5.2 CNN關(guān)鍵技術(shù):局部感知、卷積、池化、CNN訓(xùn)練

5.3 典型卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

5.4 深度殘差網(wǎng)絡(luò)

5.5 案例：利用CNN進(jìn)行手寫數(shù)字識(shí)別

知識(shí)圖譜核心基礎(chǔ)技術(shù)（二） -基于深度學(xué)習(xí)的自然語(yǔ)言處理

1.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）概述

2.基本RNN

3.長(zhǎng)短時(shí)記憶模型(LSTM)

4.門控循環(huán)單元（GRU）

5.知識(shí)圖譜向量表示方法

5.1 向量表示法

5.2 知識(shí)圖譜嵌入

知識(shí)抽取與融合

1.知識(shí)抽取主要方法與方式

1.1 主要方法

1.2 主要方式

2 面向結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

2.1 Direct Mapping

2.2 R2RML

3.面向半結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

3.1 基于正則表達(dá)式的方法

3.2 基于包裝器的方法

4.面向非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

4.1 實(shí)體抽取

4.2 關(guān)系抽取

4.3 事件抽取

5.識(shí)挖掘

5.1知識(shí)挖掘流程

5.2 知識(shí)挖掘主要方法

6 知識(shí)融合

6.1 本體匹配

6.2 實(shí)體對(duì)齊

存儲(chǔ)與檢索

1.知識(shí)存儲(chǔ)與檢索基礎(chǔ)知識(shí)

2.知識(shí)圖譜的存儲(chǔ)方法

2.1基于關(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)

2.2 基于RDF數(shù)據(jù)庫(kù)的存儲(chǔ)

2.3 原生圖數(shù)據(jù)庫(kù)Neo4j存儲(chǔ)

3.圖譜構(gòu)建實(shí)踐 NEO4J

知識(shí)圖譜案例-基于Neo4j人物關(guān)系知識(shí)圖譜存儲(chǔ)與檢索

培訓(xùn)講師：
劉老師：西安郵電學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)本科專業(yè)，擁有著十幾年軟件研發(fā)經(jīng)驗(yàn)，7年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對(duì)Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級(jí)開發(fā)技術(shù)。Java方向：設(shè)計(jì)模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對(duì)Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫(kù)數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識(shí)別技術(shù)。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

覃老師：上海大學(xué)物理學(xué)碩士，創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年一線開發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過(guò)多項(xiàng)圖像，語(yǔ)音，nlp，搜索相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)國(guó)家專利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通俗易懂，代碼風(fēng)格簡(jiǎn)潔清晰。

王老師：計(jì)算機(jī)博士，深入理解傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法與目前主流的深度學(xué)習(xí)算法，在圖像識(shí)別、目標(biāo)檢測(cè)、圖像分割、OCR、人臉識(shí)別等方向均進(jìn)行了豐富的項(xiàng)目實(shí)戰(zhàn)。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數(shù)據(jù)挖掘經(jīng)驗(yàn)，熟悉大數(shù)據(jù)下的ETL與模型搭建，曾獨(dú)立負(fù)責(zé)美團(tuán)用戶信用分評(píng)估、敏感身份挖掘、京東金融APP多個(gè)模塊推薦算法搭建等項(xiàng)目。

【報(bào)名咨詢】

聯(lián)系電話：010-62258232  62278113  13718601312  13120125786

聯(lián) 系 人：李先生  陳小姐

電子郵件：25198734@qq.com  11075627@qq.com