教學(xué)優(yōu)勢
曙海教育的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。大批企業(yè)和曙海
建立了良好的合作關(guān)系。曙海教育的課程在業(yè)內(nèi)有著響亮的知名度。
本課程，秉承20年積累的教學(xué)品質(zhì)，以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,老師將會與您分享設(shè)計的全流程以及工具的綜合使用經(jīng)驗(yàn)、技巧。
l?能夠理解并掌握人工智能方面的核心技術(shù)和原理
l?掌握機(jī)器學(xué)習(xí)算法
l?具有TensorFlow基礎(chǔ)編程能力
l?具有圖像識別基礎(chǔ)編程能力
l?具有語音識別基礎(chǔ)編程能力
l?具有機(jī)器翻譯基礎(chǔ)編程能力
l?熟悉OpenCV計算機(jī)視覺技術(shù)
l?熟悉自然語言處理技術(shù)
l?了解強(qiáng)化學(xué)習(xí)技術(shù)
?
?課程大綱?|
第一章 人工智能概述 |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? ? 人工智能概述 |
1.?????AI的社會認(rèn)知 2.?????人工智能技術(shù)的發(fā)展史 3.?????人工智能技術(shù)的應(yīng)用方向與應(yīng)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 |
無 |
|
第2章? 人工智能數(shù)學(xué)基礎(chǔ) |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? 2.1線性代數(shù) |
1.?????矩陣 2.?????線性變換 3.?????特殊矩陣 4.?????矩陣分解 |
代碼實(shí)現(xiàn)矩陣，線性變換等效果 |
|
? ? ? ? 2.2概率論 |
1.?????隨機(jī)變量 2.???? ??概率分布 3.???? ??邊緣概率 4.???? ??條件概率 5.???? ??獨(dú)立性和條件獨(dú)立性 6.???? ??期望、方差和協(xié)方差 7.???? ??常用概率分布 8.???? ??貝葉斯規(guī)則 9.???? ??連續(xù)型變量 10.?信息論 11.?結(jié)構(gòu)化概率模型 |
概率圖形化界面分析 |
|
? 2.3數(shù)值計算 |
1.???? ??上溢和下溢 2.???? ??病態(tài)條件 3.???? ??基于梯度的優(yōu)化方法 4.???? ??約束優(yōu)化 |
最小二乘法實(shí)現(xiàn) |
|
第3章? 機(jī)器學(xué)習(xí) |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? ? ? 3.1機(jī)器學(xué)習(xí)概述 |
1.???? ??機(jī)器學(xué)習(xí)發(fā)展史 2.???? ??機(jī)器學(xué)習(xí)的應(yīng)用場景介紹 3.???? ??機(jī)器學(xué)習(xí)現(xiàn)有的問題 4.???? ??機(jī)器學(xué)習(xí)的未來前景 5.???? ??機(jī)器學(xué)習(xí)的分類 6.???? ??機(jī)器學(xué)習(xí)的整體流程 |
無 |
|
? 3.2機(jī)器學(xué)習(xí)—k近鄰算法 |
1.???? ??KNN算法綜述 2.???? ??數(shù)據(jù)預(yù)處理 3.???? ??Sklearn庫的使用 4.???? ??評估方案 |
1.???電影分類 2.???約會網(wǎng)站匹配 3.???信用卡欺詐檢測 |
|
? 3.3決策樹構(gòu)造 |
1.???? ??決策樹原理概述 2.???? ??熵、互信息 3.???? ??ID3、C4.5、Gini算法 4.???? ??預(yù)剪枝、后剪枝 5.???? ??決策樹構(gòu)造實(shí)例 |
葡萄酒數(shù)據(jù)集的決策樹 |
|
? 3.4支持向量機(jī) |
1.???? ??SVM原理 2.???? ??算法推導(dǎo) 3.???? ??拉格朗日對偶函數(shù) 4.???? ??SVM中的核函數(shù) 5.???? ??SVM中的重要參數(shù) |
1.???SVM實(shí)現(xiàn)二分類 2.???SVM進(jìn)行人臉識別 |
|
? ? 3.5貝葉斯算法 |
1.???? ??貝葉斯算法概述 2.???? ??貝葉斯算法推導(dǎo)實(shí)例 3.???? ??條件概率 4.???? ??高斯貝葉斯 5.???? ??多項(xiàng)式貝葉斯 6.???? ??伯努利貝葉斯 7.???? ??EM算法原理 8.???? ??EM算法推導(dǎo) |
1.???拼寫糾錯 2.???垃圾郵件過濾實(shí)例 3.???新聞分類實(shí)例 |
|
? ? ? 3.6線性回歸算法 |
1.???? ??算法推導(dǎo)與案例 2.???? ??線性回歸算法概述 3.???? ??誤差項(xiàng)分析 4.???? ??梯度下降原理 5.???? ??標(biāo)準(zhǔn)方程組 6.???? ??似然函數(shù)求解 7.???? ??目標(biāo)函數(shù)推導(dǎo) 8.???? ??線性回歸求解 9.???? ??嶺回歸和正則化 10.?彈性網(wǎng)回歸 |
1.???一元線性回歸實(shí)現(xiàn) 2.???多元線性回歸實(shí)現(xiàn) 3.???嶺回顧實(shí)現(xiàn) |
|
3.7邏輯回歸算法 |
1.???? ??邏輯回歸算法原理推導(dǎo) 2.???? ??邏輯回歸求解 3.???? ??邏輯回歸多分類解決方案 |
邏輯回歸代碼實(shí)現(xiàn) |
|
? 3.8Kmeans聚類算法及DBSCAN聚類算法 |
1.???? ??Kmeans算法與工作流程 2.???? ??Kmeans迭代迭代可視化展示 3.???? ??DBSCAN算法與工作流程 4.???? ??DBSCAN可視化展示 5.???? ??多種聚類算法概述 |
聚類實(shí)例 |
|
? ? 3.9降維算法 |
1.???? ??線性判別分析 2.???? ??線性判別求解 3.???? ??PCA主成分分析 4.???? ??PCA降維概述 5.???? ??PCA優(yōu)化的目標(biāo) 6.???? ??PCA求解 |
量化投資策略 |
|
? 3.10隨機(jī)森林與集成算法 |
1.???? ??集成算法-隨機(jī)森林 2.???? ??特征重要性衡量 3.???? ??提升模型 4.???? ??堆疊模型 |
集成算法代碼實(shí)戰(zhàn)與隨機(jī)森林代碼實(shí)戰(zhàn) |
|
? ? ? 3.11機(jī)器學(xué)習(xí)高難度算法XGBOOST |
1.???? ??XGBOOST算法概述 2.???? ??XGBOOST模型構(gòu)造 3.???? ??建模衡量標(biāo)準(zhǔn) 4.???? ??XGBOOST安裝 5.???? ??參數(shù)定義與基礎(chǔ)模型定義 6.???? ??樹結(jié)構(gòu)對結(jié)果的影響 7.???? ??學(xué)習(xí)率與采樣對結(jié)果影響 |
京東購買意向預(yù)測 |
|
? 3.12推薦系統(tǒng) |
1.???? ??推薦系統(tǒng)簡介 2.???? ??關(guān)聯(lián)規(guī)則 3.???? ??相似度計算 4.???? ??基于用戶的協(xié)同過濾 5.???? ??基于物品的系統(tǒng)過濾 |
1.???信息流個性化推薦 2.???廣告精準(zhǔn)投放 |
|
第4章? 深度學(xué)習(xí) |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? ? 4.1深度學(xué)習(xí)概述與基礎(chǔ) |
1.???? ??深度學(xué)習(xí)概述 2.???? ??得分函數(shù) 3.???? ??損失函數(shù) 4.???? ??正則化懲罰 5.???? ??SOFTMAX分類器 6.???? ??最優(yōu)化解釋 7.???? ??反向傳播 |
無 |
|
? 4.2神經(jīng)網(wǎng)絡(luò) |
1.???? ??感知機(jī)模型 2.???? ??神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 3.???? ??簡單的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 4.???? ??簡單單層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) |
手寫數(shù)字圖片與預(yù)測手寫數(shù)字圖片 |
|
? ? ? ? 4.3卷積神經(jīng)網(wǎng)絡(luò) |
1.???? ??卷積神經(jīng)網(wǎng)絡(luò)介紹 2.???? ??單卷積核與多卷積核 3.???? ??圖像不變性 4.???? ??局部感知與參數(shù)共享 5.???? ??卷積網(wǎng)絡(luò)結(jié)構(gòu) 6.???? ??卷積層，池化層與全連接層 7.???? ??ImageNet 8.???? ??AlexNet 9.???? ??VGGNet 10.?GoogleNet 11.?ResNet 12.?SENet |
1.???識別手寫數(shù)字圖片 2.???鮮花識別 |
|
? ? 4.4卷積神經(jīng)網(wǎng)絡(luò)細(xì)節(jié) |
1.???? ??數(shù)據(jù)增強(qiáng)策略 2.???? ??遷移學(xué)習(xí) 3.???? ??網(wǎng)絡(luò)設(shè)計技巧 4.???? ??經(jīng)典網(wǎng)絡(luò)架構(gòu) 5.???? ??分類與回歸任務(wù) 6.???? ??三代物體檢測 |
車牌識別 |
|
? 4.5Tensorboard可視化展示 |
1.???? ??可視化展示 2.???? ??展示效果 3.???? ??統(tǒng)計可視化 4.???? ??參數(shù)對結(jié)果的影響 |
無 |
|
? ? 4.6 tfrecord制作數(shù)據(jù)源 |
1.???? ??生成自己的數(shù)據(jù)集 2.???? ??讀取數(shù)據(jù) 3.???? ??生成數(shù)據(jù)源 4.???? ??加載數(shù)據(jù)進(jìn)行分類任務(wù) |
無 |
|
? 4.7驗(yàn)證識別任務(wù) |
1.???? ???驗(yàn)證碼數(shù)據(jù)生成 2.???? ???構(gòu)造網(wǎng)絡(luò)輸入數(shù)據(jù)和標(biāo)簽 3.???? ???卷積網(wǎng)絡(luò)模型定義 4.???? ???迭代測試網(wǎng)絡(luò)效果 |
驗(yàn)證碼實(shí)現(xiàn) |
|
? 4.8RESNET殘差網(wǎng)絡(luò) |
1.???? ???RESNET網(wǎng)絡(luò)原理 2.???? ???網(wǎng)絡(luò)流程設(shè)計 3.???? ???實(shí)現(xiàn)細(xì)節(jié) |
RESNE實(shí)現(xiàn) |
|
? 4.9循環(huán)神經(jīng)網(wǎng)絡(luò)與文本損失函數(shù) |
1.???? ???循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 2.???? ???循環(huán)單元 3.???? ???輸出模式 4.???? ???循環(huán)神經(jīng)網(wǎng)絡(luò)的反向傳播 |
預(yù)測時間序列 |
|
4.10網(wǎng)絡(luò)優(yōu)化與神經(jīng)網(wǎng)絡(luò)模型 |
1.???? ??網(wǎng)絡(luò)參數(shù)優(yōu)化 2.???? ??網(wǎng)絡(luò)模型優(yōu)化 3.???? ??圖片識別器 |
圖片生成器實(shí)現(xiàn) |
|
? ? 4.11對抗神經(jīng)網(wǎng)絡(luò) |
1.?????對抗神經(jīng)網(wǎng)絡(luò)原理概述 2.?????GAM網(wǎng)絡(luò)結(jié)構(gòu)定義 3.?????迭代生成 4.?????DCGAN網(wǎng)絡(luò)特性 5.?????DCGAN訓(xùn)練 |
使用對抗網(wǎng)絡(luò)生成圖片 |
|
第5章 TensorFlow框架 |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? ? 5.1 TensorFlow概述 |
1.???? ??Tensor的簡介 2.???? ??特點(diǎn) 3.???? ??應(yīng)用場景 4.???? ??如何選擇正確的TensoFlow版本 5.???? ??系統(tǒng)環(huán)境變量的設(shè)置 |
無 |
|
? ? 5.2基礎(chǔ)操作 |
1.?????數(shù)據(jù)類型 2.?????創(chuàng)建tensor 3.?????索引和切片 4.?????維度變換 5.?????Broadingcasting 6.???? ??數(shù)學(xué)運(yùn)算 |
神經(jīng)網(wǎng)絡(luò)層的實(shí)現(xiàn) |
|
? 5.3高階操作 |
1.???? ??合并和分割 2.???? ??數(shù)據(jù)統(tǒng)計 3.???? ??張量排序 4.???? ??填充和復(fù)制 5.???? ??張量限幅 |
房價預(yù)測 |
|
? ? 5.4Keras |
1.?????Keras優(yōu)勢 2.?????安裝 3.?????符號計算 4.?????張量 5.?????數(shù)據(jù)格式 6.?????模型 7.?????高層接口使用 |
使用Keras搭建一個神經(jīng)網(wǎng)絡(luò) |
|
? ? 5.5TensorFlow實(shí)驗(yàn) |
1.?????數(shù)據(jù)集的獲取 2.?????數(shù)據(jù)預(yù)處理 3.?????特征工程 4.?????模型的創(chuàng)建 5.?????模型保存 6.?????模型使用 |
1.???手寫字體圖像識別 2.???汽車油耗里程數(shù)回歸預(yù)測 3.???貓狗識別 |
|
第6章? 計算機(jī)視覺 |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
6.1計算機(jī)視覺概覽及GUI特性 |
1.?????概念與應(yīng)用 2.?????計算機(jī)視覺與人工智能 3.?????圖像的讀取、顯示、保存 4.?????視頻的讀取、顯示、保存 5.?????圖像的繪制函數(shù) |
創(chuàng)建畫板、繪制各種圖形 |
|
? ? 6.2基本操作 |
1.?????獲取圖像像素值及修改 2.?????圖像信息獲取 3.?????圖像的ROI 4.?????圖像通道的拆分及合并 5.?????圖像上的算術(shù)運(yùn)算 6.?????程序性能檢測及優(yōu)化 |
將一幅圖平滑的轉(zhuǎn)換成另一幅圖 |
|
? ? 6.3OpenCV中的圖像處理 |
1.?????顏色空間轉(zhuǎn)換 2.?????幾何變換 3.?????圖像閾值設(shè)定 4.?????圖像平滑 5.?????形態(tài)學(xué)轉(zhuǎn)換 6.?????圖像梯度 |
實(shí)現(xiàn)一張圖像的縮放、平移、旋轉(zhuǎn) |
|
? ? 6.4邊緣檢測 |
1.?????噪聲去除 2.?????圖像金字塔 3.?????輪廓處理 4.?????直方圖 5.?????模糊匹配 6.?????圖像分割 |
1.???實(shí)現(xiàn)圖像的上點(diǎn)繪制不同的顏色 2.???匹配帶有字符或者數(shù)字的圖片 |
|
? ? 6.5特性特征值提取與描述 |
1.?????圖像特征理解 2.?????Harris角點(diǎn)檢測 3.?????SIFIS算法 4.?????SURF 5.?????FAST算法 6.?????ORB算法 7.?????特征匹配 |
將圖像中檢測的目標(biāo)圖像進(jìn)行標(biāo)記 |
|
? 6.6視頻分析 |
1.?????通過Meanshift、Camshift算法對視頻進(jìn)行目標(biāo)跟蹤 2.?????光流應(yīng)用 3.?????背景減除 |
對視頻中的目標(biāo)進(jìn)行跟蹤 |
|
? ? 6.7攝像機(jī)標(biāo)定和3D重構(gòu) |
1.?????攝像機(jī)標(biāo)定概述 2.?????畸形校正 3.?????反向投影誤差 4.?????姿勢估計 5.?????對積幾何 6.?????力圖圖像中的深度地圖 |
1.???實(shí)現(xiàn)在圖像中創(chuàng)建3D效果 2.???實(shí)現(xiàn)立體圖像制作深度地圖 |
|
? 6.8計算攝影學(xué) |
1.?????圖像去燥 2.?????圖像修補(bǔ) 3.?????對象檢測 |
實(shí)現(xiàn)面部檢測 |
|
第7章? 語音處理 |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? 7.1語音處理概述 |
1.?????語音處理 2.?????特征處理方法 3.?????語音識別 4.?????語音合成 5.???? ??語音信號 |
語音預(yù)處理的實(shí)現(xiàn) |
|
? 7.2傳統(tǒng)語音模型 |
1.?????高斯混合模型 2.?????隱馬爾科夫模型 3.???? ??高斯混合模型-隱馬爾科夫模型 |
無 |
|
? 7.3深度模型和混合模型 |
1.?????深度神經(jīng)網(wǎng)絡(luò) 2.?????深度神經(jīng)網(wǎng)絡(luò)-隱馬爾科夫模型 3.?????CD-DNN-HMM |
語音識別實(shí)現(xiàn) |
|
7.4高級語音模型 ? |
1.???? ??循環(huán)神經(jīng)網(wǎng)絡(luò) 2.???? ??長短期記憶網(wǎng)絡(luò) |
無 |
|
第8章? 自然語言處理 |
||
|
章節(jié) |
教學(xué)重點(diǎn) |
案例 |
|
? ? ? 8.1自然語言處理介紹 ? |
1.?????語言模型 2.?????N - gram語言模型 3.?????文本向量化 4.?????word2vec - CBOW 5.?????word2vec - Skip-gram 6.?????doc2vec - DM 7.???? ??doc2vec - DBOW |
1.智能搜索引擎實(shí)現(xiàn) 2.對話機(jī)器人 ? |
|
? 8.2常用算法 |
1.?????HMM 2.?????條件隨機(jī)場 3.?????LSTM 4.???? ??GRU |
LSTM實(shí)現(xiàn)情感分析 |
|
? ? ? 8.3關(guān)鍵技術(shù) |
1.?????分詞 2.?????詞性標(biāo)注 3.?????命名實(shí)體識別 4.?????關(guān)鍵詞提取 5.?????句法分析 6.?????語義分析 7.?????文本分類 8.?????文本聚類 9.?????機(jī)器翻譯 10.?問答系統(tǒng) 11.?信息過濾 12.?自動文摘 13.?信息抽取 14.?輿情分析 15.?機(jī)器寫作 |
機(jī)器人寫詩 |
|
? 8.4機(jī)器翻譯框架-NMT |
1.?????機(jī)器翻譯框架概述 2.?????Attention機(jī)制 3.?????數(shù)據(jù)準(zhǔn)備 4.?????參數(shù)設(shè)置 5.?????數(shù)據(jù)加載 6.?????網(wǎng)絡(luò)結(jié)構(gòu)定義 7.???? ??模型訓(xùn)練 |
NMT實(shí)現(xiàn)翻譯功能 |
|
8.5強(qiáng)化學(xué)習(xí) ? |
1.???? ??強(qiáng)化學(xué)習(xí)基本概念 2.???? ??馬爾科夫決策過程 3.???? ??BELLMAN方程 4.???? ??值迭代求解 5.???? ??Qlearning基本原理 6.???? ??DQN網(wǎng)絡(luò)原理 |
讓AI自己玩游戲 |
?
