地点
|
北京
|
上海
|
时间
|
8月
26-29
|
11月
27-30
|
培训
方式
|
现场面授/线上远程授课/视频回放、
辅导答疑/定期的线上辅导答疑、专属互动群
(报名10人以上可预定线下培训地点,满足开班要求即可安排)
|
一、 培训收益
课程中通过细致讲解,使学员掌握该技术的本质。具体收益包括:
1. 回归算法理论与实战
2. 决策树算法理论与实战
3. 集成学习算法理论与实战
4. 聚类算法理论与实战
5. 神经网络算法
6. Tensorflow DNN CNN构建
7. 基于OpenCV计算机视觉识别
8. YOLO目标识别框架
9. 从0到1完成知识图谱构建
10. 通过展示教师的实际科研成果,讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员掌握知识图谱基础与专门知识,获得较强的知识图谱应用系统的分析、设计、实现能力。
二、 培训特色
本次培训从实战的角度对深度学习技术进行了全面的剖析,并结合实际案例分析和探讨深度学习的应用场景,给深度学习相关从业人员以指导和启迪。
三、 日程安排
培训模块
|
培训内容
|
机器学习与线性回归算法
|
线性回归实现销售数据预测
1. 线性回归介绍与公式推导
2. 多变量线性归回归与梯度下降
3. 预测销量与广告投放相关性预测
4. 数据升维与PCA降维
5. 数据归一化与模型优化
6. 欠拟合与过拟合
7. 训练结果的可视化
8. 保存模型与再加载
|
逻辑回归与决策树实战
|
逻辑回归之信用卡反欺诈预测
1. 项目背景与需求分析
2. 特征工程之标准化
3. 基本预处理操作
4. 上采样与下采样
5. 混淆矩阵可视化函数
6. 模型的训练与准确率,精确率,召回率
|
决策树、集成学习识别银行高风险贷款
1. 信息增益与算法原理介绍
2. 数据分析、特征工程
3. 模型训练与优化参数
4. 随机森林、正向激励算法
5. 采用决策树识别高风险贷款
|
Tensorflow2.3 神经网络
|
深度学习与深度神经网络实践
1. Tensorflow安装
2. Tensorlfow基础知识
3. Tensorflow线性回归
4. Tensorflow非线性回归
5. Mnist数据集合Softmax讲解
6. 使用BP神经网络搭建手写数字识别
7. 交叉熵(cross-entropy)讲解和使用
8. 过拟合,正则化,Dropout
9. 各种优化器Optimizer
10. 改进手写数字识别网络
11. 模型保存与载入
|
深度学习之卷积神经网络
|
CIFAR图形图像识别项目
1. CIFAR项目需求介绍
2. 分析爱data_batch数据集
3. CNN卷积神经网络介绍
4. 卷积、深度、池化、步长、激活函数
采用CNN完成CIFAR物体分类
1. 人脸识别数据集与算法介绍
2. 模型结构设计
3. 人脸损失函数设计
4. 模型与参数调优
|
Keras 神经网络框架
|
Keras理论介绍最佳实战
1. Keras神经网络框架介绍
2. 基于Keras情感类分析
3. 动物分类器实现
4. 采用Keras实现非线性回归
5. 生成式对抗神经网络原理及应用
6. 模块结构分析与优化策略
7. 采用Keras重构TensorFlow项目
|
Open CV计算机视觉技术
|
OpenCV的人脸识别
1. OpenVINO框架介绍与安装测试
2. OpenCV DNN中使用IE模块加速
3. 转化工具与IE模块加速
4. 准备人脸数据
5. CV扫描图像、平滑、扩张实现
6. DNN神经网络识别人脸
7. 测试与调优操作
8. 基于Open CV DNN 构建车辆与车牌检查模型
|
YOYO目标识别框架技术
|
YOYO目标识别框架介绍
1. 标检测任务介绍
2. RCNN/Fast-RCNN/Faster-RCNN算法介绍
3. YOLO算法介绍
4. 目标分割任务介绍
5. 全卷积网络
6. 双线性上采样
7. 特征金字塔
8. Mask RCNN算法介绍
9. 目标分割项目实战
|
图数据库与构建知识图谱
|
知识表示与建模
1. 知识图谱核心技术:知识推理
2. 知识图谱应用场景与抽取概述介绍
3. 本体知识推理与任务分类
4. 实体与关系、事件抽取技术
5. 采用TxtCnn、CRF完成知识抽取
6. 采用RNN、LSTM完成知识抽取
|
知识存储与问答机器人构建
1. 知识存储neo4j常用数据库
2. Cyhper语言介绍
3. 采用Py操作Neo4j数据库
4. 基于知识图谱问答机器人构建
|
知识图谱概述
|
1.知识图谱(KG)概念
2.知识图谱的起源与发展
3.典型知识图谱项目简介
4.知识图谱技术概述
5.知识图谱典型应用
|
知识表示
|
1.基于符号主义的知识表示概述
1.1 谓词逻辑表示法
1.2 产生式系统表示法
1.3 语义网络表示法
2 知识图谱的知识表示
2.1 RDF和RDFS
2.2 OWL和OWL2
2.3 Json-LD与RDFa、MicroData
2.4 SPARQL查询语言
3 知识建模实战 Protege
|
知识图谱核心基础技术(一)
神经网络与深度学习
|
1.经网络基本原理
2.神经网络应用举例
3.深度学习概述
4.主流深度学习框架
4.1 TesorFlow
4.2 Caffe
5.卷积神经网络(CNN)
5.1 CNN简介
5.2 CNN关键技术:局部感知、卷积、池化、CNN训练
5.3 典型卷积神经网络结构
5.4 深度残差网络
5.5 案例:利用CNN进行手写数字识别
|
知识图谱核心基础技术(二)
基于深度学习的自然语言处理
|
1.循环神经网络(RNN)概述
2.基本RNN
3.长短时记忆模型(LSTM)
4.门控循环单元(GRU)
5.知识图谱向量表示方法
5.1 向量表示法
5.2 知识图谱嵌入
|
知识抽取与融合
|
1.知识抽取主要方法与方式
1.1 主要方法
1.2 主要方式
2 面向结构化数据的知识抽取
2.1 Direct Mapping
2.2 R2RML
3.面向半结构化数据的知识抽取
3.1 基于正则表达式的方法
3.2 基于包装器的方法
4.面向非结构化数据的知识抽取
4.1 实体抽取
4.2 关系抽取
4.3 事件抽取
5.识挖掘
5.1知识挖掘流程
5.2 知识挖掘主要方法
6 知识融合
6.1 本体匹配
6.2 实体对齐
|
存储与检索
|
1.知识存储与检索基础知识
2.知识图谱的存储方法
2.1基于关系数据库的存储
2.2 基于RDF数据库的存储
2.3 原生图数据库Neo4j存储
3.图谱构建实践 NEO4J
|
知识图谱案例
|
基于Neo4j人物关系知识图谱存储与检索
|
四、 授课专家
刘老师 西安邮电学院计算机科学与技术本科专业,拥有着十几年软件研发经验,7年企业培训经验,对Java、Python、区块链等技术领域有独特的研究,精通J2EE企业级开发技术。Java方向:设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且对Java源码有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬虫、基于Surprise库数据推荐,Tensorflow人工智能框架、人脸识别技术。区块链方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
覃老师 上海大学物理学硕士,创业公司合伙人,技术总监。机器学习,深度学习领域多年一线开发研究经验,精通算法原理与编程实践。曾使用Tensorflow,Caffe,Keras等深度学习框架完成过多项图像,语音,nlp,搜索相关的人工智能实际项目,研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验,讲课通俗易懂,代码风格简洁清晰。
王老师 计算机博士,深入理解传统的计算机视觉方法与目前主流的深度学习算法,在图像识别、目标检测、图像分割、OCR、人脸识别等方向均进行了丰富的项目实战。熟练使用OpenCV、Tensorflow、Keras等工具。具备丰富的数据挖掘经验,熟悉大数据下的ETL与模型搭建,曾独立负责美团用户信用分评估、敏感身份挖掘、京东金融APP多个模块推荐算法搭建等项目。
五、 培训费用
培训费:8800元/人(含培训费、平台费、资料费以及直播视频回放一年等费用)。
本课程由中国信息化培训中心颁发《人工智能高级工程师》证书,证书查询网址:www.zpedu.com;证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
机器学习、深度学习与计算机图像处理技术实战培训班面向全国招生,各地区火热报名中~~报名电话:13400380807 。
[1] |