我要報(bào)名

咨詢(xún)電話(huà)：
手　　機(jī)：	郵箱：

內(nèi)容背景

在國(guó)家發(fā)展的新時(shí)代，產(chǎn)業(yè)戰(zhàn)略已經(jīng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)移，從而迎接全球新一輪科技革命與產(chǎn)業(yè)變革的重大機(jī)遇和挑戰(zhàn)，在這個(gè)過(guò)程中，人工智能異軍突起，成為新時(shí)代的創(chuàng)新突破口。由于人工智能技術(shù)的領(lǐng)域普遍性，大批在第一線(xiàn)工作的技術(shù)人員需要更新知識(shí)，學(xué)習(xí)人工智能理論與實(shí)踐，從而在自己的領(lǐng)域中實(shí)現(xiàn)跨越式創(chuàng)新。

實(shí)戰(zhàn)進(jìn)階加深是在“人工智能：機(jī)器學(xué)習(xí)和深度學(xué)習(xí)”的基礎(chǔ)上，進(jìn)一步深入學(xué)習(xí)和實(shí)戰(zhàn)，從理論和實(shí)踐兩方面提升學(xué)員人工智能產(chǎn)品的研發(fā)能力。由完整的案例加上具體實(shí)現(xiàn)驅(qū)動(dòng)，針對(duì)每一個(gè)專(zhuān)題，描述案例場(chǎng)景，把知識(shí)揉進(jìn)具體實(shí)現(xiàn)過(guò)程，通過(guò)分析、改進(jìn)、實(shí)現(xiàn)、總結(jié)歸納的循環(huán)，建立更加深入完整的知識(shí)和能力結(jié)構(gòu)。這些知識(shí)和能力，對(duì)于研發(fā)更多領(lǐng)域的人工智能產(chǎn)品來(lái)說(shuō)，具有很高的萃取價(jià)值。

培訓(xùn)對(duì)象

架構(gòu)師、分析師、項(xiàng)目經(jīng)理、高級(jí)程序員、資深開(kāi)發(fā)人員、人工智能工程師、圖像處理工程師、機(jī)器學(xué)習(xí)工程師、模式識(shí)別工程師以及未來(lái)可能從事人工智能研發(fā)的技術(shù)人員。

培訓(xùn)目的

1、深層次掌握人工智能理論，尋求人工智能研發(fā)的突破口，探知核心的秘密。

2、理論應(yīng)用于實(shí)際項(xiàng)目，不只是了解，更在于掌握。

3、以實(shí)踐為導(dǎo)向，萃取案例精化，加深理論知識(shí)，提高研發(fā)能力。

4、把握人工智能的新應(yīng)用，理解人工智能領(lǐng)域發(fā)展趨勢(shì)。

5、一個(gè)交流探討的高級(jí)別平臺(tái)。

培訓(xùn)要點(diǎn)

隨著國(guó)家在人工智能領(lǐng)域的戰(zhàn)略布局，人工智能已經(jīng)應(yīng)用于各個(gè)方面：專(zhuān)家系統(tǒng)、自動(dòng)推理、圖像識(shí)別、模式識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言理解、指紋識(shí)別、人臉識(shí)別、無(wú)人駕駛、推薦系統(tǒng)、社交網(wǎng)絡(luò)、計(jì)算機(jī)視覺(jué)、智能機(jī)器人等。但是，有沒(méi)有一種方法能迅速把握精髓，從而更快的進(jìn)入人工智能的廣闊天地呢？

本次培訓(xùn)采用深入理論+淺出實(shí)踐，實(shí)戰(zhàn)進(jìn)階加深相結(jié)合的模式，在理論上，精選最關(guān)鍵最重要的理論，為進(jìn)一步獲取相關(guān)知識(shí)打下基礎(chǔ)。在實(shí)踐上，精選目前比較有啟發(fā)性的案例并進(jìn)行加深，既幫助我們理解理論，更能幫助我們開(kāi)闊思路，為研發(fā)相關(guān)領(lǐng)域的人工智能系統(tǒng)，提供一條思考脈絡(luò)。

培訓(xùn)內(nèi)容

第一講 人工智能簡(jiǎn)介

1.1 什么是人工智能

1.2 為什么要人工智能

1.3 人工智能的發(fā)展簡(jiǎn)史

1.4 人工智能的現(xiàn)實(shí)案例舉例

第二講 最優(yōu)分類(lèi)面和支持向量機(jī)

2.1 什么是最優(yōu)分類(lèi)面

2.2 支持向量機(jī)的本質(zhì)是什么

2.3 支持向量機(jī)在線(xiàn)性不可分時(shí)怎么辦

2.4 支持向量機(jī)中核函數(shù)如何選擇

2.5 支持向量機(jī)在車(chē)牌識(shí)別中的應(yīng)用案例

第三講 決策樹(shù)

31 什么是非數(shù)值特征

3.2 為什么要引入決策樹(shù)

3.3 如何設(shè)計(jì)決策樹(shù)

3.4 如何構(gòu)造隨機(jī)森林

3.5 決策樹(shù)在醫(yī)療系統(tǒng)中的應(yīng)用案例

第四講 深度學(xué)習(xí)之始：人工神經(jīng)網(wǎng)絡(luò)

4.1 人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)動(dòng)機(jī)是什么

4.2 單個(gè)神經(jīng)元的功能

4.3 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化以及誤差逆?zhèn)鞑ィ˙P）算法

4.4 人工神經(jīng)網(wǎng)絡(luò)中需要注意的問(wèn)題

4.5 人工神經(jīng)網(wǎng)絡(luò)在表情識(shí)別、流量預(yù)測(cè)中的應(yīng)用案例

第五講 深度學(xué)習(xí)中的技巧和注意事項(xiàng)

5.1 深度學(xué)習(xí)中過(guò)學(xué)習(xí)問(wèn)題的處理

5.2 如何選擇損失函數(shù)

5.3 如何并行化

5.4 如何解決深度學(xué)習(xí)中梯度消失問(wèn)題

5.5 如何選擇激勵(lì)函數(shù)

5.6 權(quán)值衰減、Dropout以及新的網(wǎng)絡(luò)架構(gòu)

第六講 卷積神經(jīng)網(wǎng)絡(luò)

6.1 卷積以及卷積網(wǎng)絡(luò)的概念

6.2 為什么在使用卷積網(wǎng)絡(luò)

6.3 卷積網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)

6.4 卷積網(wǎng)絡(luò)在圍棋中的應(yīng)用

6.5 卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用案例

第七講 循環(huán)神經(jīng)網(wǎng)絡(luò)

7.1 為什么要使用循環(huán)神經(jīng)網(wǎng)絡(luò)

7.2 1-of-N編碼

7.3 循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹

7.4 長(zhǎng)短期記憶網(wǎng)絡(luò)

7.5 長(zhǎng)短期記憶網(wǎng)絡(luò)在自然語(yǔ)言處理中的應(yīng)用案例

第八講 人工智能未來(lái)展望

8.1 監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.2 強(qiáng)制學(xué)習(xí)中的新應(yīng)用

8.3 非監(jiān)督學(xué)習(xí)中的新應(yīng)用

8.4 DeepMind介紹

第九講 使用支持向量機(jī)進(jìn)行車(chē)牌識(shí)別

第十講 使用深度學(xué)習(xí)進(jìn)行手寫(xiě)體識(shí)別、人臉識(shí)別以及自然語(yǔ)言處理

第十一講 機(jī)器學(xué)習(xí)項(xiàng)目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)

1，支持向量機(jī)實(shí)現(xiàn)車(chē)牌識(shí)別：案例實(shí)現(xiàn)與分析改進(jìn)

車(chē)牌數(shù)據(jù)預(yù)處理以及要注意的問(wèn)題

特征提取及特征選擇

單特征識(shí)別模型搭建

特征融合實(shí)現(xiàn)、改進(jìn)及注意的問(wèn)題

實(shí)現(xiàn)車(chē)牌識(shí)別全流程自動(dòng)化的關(guān)鍵改進(jìn)

2，決策樹(shù)實(shí)現(xiàn)銀行客戶(hù)貸款風(fēng)險(xiǎn)預(yù)測(cè)：案例實(shí)現(xiàn)與分析改進(jìn)

決策樹(shù)的模型搭建

如何選擇決策樹(shù)的分裂屬性以及深層次思考

如何根據(jù)測(cè)試結(jié)果進(jìn)行決策樹(shù)的優(yōu)化

決策樹(shù)中的剪枝實(shí)現(xiàn)

隨機(jī)森林的實(shí)現(xiàn)及注意事項(xiàng)

3，討論互動(dòng)：學(xué)員提出問(wèn)題并進(jìn)行相互討論

4，案例總結(jié)：萃取案例中的經(jīng)驗(yàn)并進(jìn)行推廣應(yīng)用

第十二講 深度學(xué)習(xí)項(xiàng)目進(jìn)階加深：實(shí)現(xiàn)與改進(jìn)

1，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉識(shí)別：案例實(shí)現(xiàn)與分析改進(jìn)

網(wǎng)絡(luò)搭建

如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（逐步講解與分析）

如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（逐步講解與分析）

最終的參數(shù)如何確定（不在是混亂嘗試，而是深層次理解參數(shù)的含義）

2，卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)手寫(xiě)體識(shí)別：案例實(shí)現(xiàn)與分析改進(jìn)

網(wǎng)絡(luò)搭建（注意與人臉識(shí)別案例的對(duì)比）

如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整（注意與人臉識(shí)別案例的對(duì)比）

如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整（注意與人臉識(shí)別案例的對(duì)比）

最終的參數(shù)如何確定（注意與人臉識(shí)別案例的對(duì)比）

3，循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)客戶(hù)評(píng)價(jià)分類(lèi)：案例實(shí)現(xiàn)與分析改進(jìn)

網(wǎng)絡(luò)搭建

如何根據(jù)結(jié)果進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整

如何根據(jù)結(jié)果進(jìn)行參數(shù)調(diào)整

最終的參數(shù)如何確定

4，討論互動(dòng)：學(xué)員提出問(wèn)題并進(jìn)行相互討論

5，案例總結(jié)：萃取案例中的經(jīng)驗(yàn)并進(jìn)行推廣應(yīng)用

司老師

清華大學(xué)博士，人工智能方面專(zhuān)家，在意大利舉辦的國(guó)際在線(xiàn)指紋識(shí)別競(jìng)賽中獲得冠軍，在機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域頂級(jí)期刊IEEE TPAMI等期刊發(fā)表多篇論文，擁有5個(gè)中國(guó)專(zhuān)利和1個(gè)美國(guó)專(zhuān)利，是人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和圖像處理和模式識(shí)別領(lǐng)域的實(shí)戰(zhàn)派專(zhuān)家。

我要報(bào)名

在線(xiàn)報(bào)名：人工智能：機(jī)器學(xué)習(xí)和深度學(xué)習(xí)+ 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之實(shí)戰(zhàn)進(jìn)階加深(北京)