培訓安排：2023年11月27日-30日 上海
培訓費用：8800元/人（含培訓費、平臺費、資料費以及直播視頻回放一年等費用）。
培訓證書：本課程由中國信息化培訓中心頒發《人工智能高級工程師》證書，證書可作為專業技術人員職業能力考核的證明，以及專業技術人員崗位聘用、任職、定級和晉升職務的重要依據。
課程收益：課程中通過細致講解，使學員掌握該技術的本質。具體收益包括——
1.回歸算法理論與實戰
2.決策樹算法理論與實戰
3.集成學習算法理論與實戰
4.聚類算法理論與實戰
5.神經網絡算法
6.Tensorflow DNN CNN構建
7.基于OpenCV計算機視覺識別
8.YOLO目標識別框架
9.從0到1完成知識圖譜構建
10.通過展示教師的實際科研成果，講述人工智能與知識圖譜的技術原理與應用系統開發方法、知識圖譜系統開發工具使用方法。使學員掌握知識圖譜基礎與專門知識，獲得較強的知識圖譜應用系統的分析、設計、實現能力。
課程大綱：
機器學習與線性回歸算法
1.線性回歸介紹與公式推導
2.多變量線性歸回歸與梯度下降
3.預測銷量與廣告投放相關性預測
4.數據升維與PCA降維
5.數據歸一化與模型優化
6.欠擬合與過擬合
7.訓練結果的可視化
8.保存模型與再加載
邏輯回歸與決策樹實戰
1.項目背景與需求分析
2.特征工程之標準化
3.基本預處理操作
4.上采樣與下采樣
5.混淆矩陣可視化函數
6.模型的訓練與準確率,精確率,召回率
決策樹、集成學習識別銀行高風險貸款
1.信息增益與算法原理介紹
2.數據分析、特征工程
3.模型訓練與優化參數
4.隨機森林、正向激勵算法
5.采用決策樹識別高風險貸款
Tensorflow2.3 神經網絡
1.Tensorflow安裝
2.Tensorlfow基礎知識
3.Tensorflow線性回歸
4.Tensorflow非線性回歸
5.Mnist數據集合Softmax講解
6.使用BP神經網絡搭建手寫數字識別
7.交叉熵(cross-entropy)講解和使用
8.過擬合,正則化,Dropout
9.各種優化器Optimizer
10.改進手寫數字識別網絡
11.模型保存與載入
深度學習之卷積神經網絡、CIFAR圖形圖像識別項目
1.CIFAR項目需求介紹
2.分析愛data_batch數據集
3.CNN卷積神經網絡介紹
4.卷積、深度、池化、步長、激活函數
采用CNN完成CIFAR物體分類
1.人臉識別數據集與算法介紹
2.模型結構設計
3.人臉損失函數設計
4.模型與參數調優
Keras 神經網絡框架
1.Keras神經網絡框架介紹
2.基于Keras情感類分析
3.動物分類器實現
4.采用Keras實現非線性回歸
5.生成式對抗神經網絡原理及應用
6.模塊結構分析與優化策略
7.采用Keras重構TensorFlow項目
Open CV計算機視覺技術
1.OpenVINO框架介紹與安裝測試
2.OpenCV DNN中使用IE模塊加速
3.轉化工具與IE模塊加速
4.準備人臉數據
5.CV掃描圖像、平滑、擴張實現
6.DNN神經網絡識別人臉
7.測試與調優操作
8.基于Open CV DNN 構建車輛與車牌檢查模型
YOYO目標識別框架技術
1.標檢測任務介紹
2.RCNN/Fast-RCNN/Faster-RCNN算法介紹
3.YOLO算法介紹
4.目標分割任務介紹
5.全卷積網絡
6.雙線性上采樣
7.特征金字塔
8.Mask RCNN算法介紹
9.目標分割項目實戰
圖數據庫與構建知識圖譜
1.知識圖譜核心技術：知識推理
2.知識圖譜應用場景與抽取概述介紹
3.本體知識推理與任務分類
4.實體與關系、事件抽取技術
5.采用TxtCnn、CRF完成知識抽取
6.采用RNN、LSTM完成知識抽取
知識存儲與問答機器人構建
1.知識存儲neo4j常用數據庫
2.Cyhper語言介紹
3.采用Py操作Neo4j數據庫
4.基于知識圖譜問答機器人構建
知識圖譜概述
1.知識圖譜（KG）概念
2.知識圖譜的起源與發展
3.典型知識圖譜項目簡介
4.知識圖譜技術概述
5.知識圖譜典型應用
知識表示
1.基于符號主義的知識表示概述
1.1 謂詞邏輯表示法
1.2 產生式系統表示法
1.3 語義網絡表示法
2 知識圖譜的知識表示
2.1 RDF和RDFS
2.2 OWL和OWL2
2.3 Json-LD與RDFa、MicroData
2.4 SPARQL查詢語言
3 知識建模實戰 Protege
知識圖譜核心基礎技術（一） -神經網絡與深度學習
1.神經網絡基本原理
2.神經網絡應用舉例
3.深度學習概述
4.主流深度學習框架
4.1 TesorFlow
4.2 Caffe
5.卷積神經網絡（CNN）
5.1 CNN簡介
5.2 CNN關鍵技術:局部感知、卷積、池化、CNN訓練
5.3 典型卷積神經網絡結構
5.4 深度殘差網絡
5.5 案例：利用CNN進行手寫數字識別
知識圖譜核心基礎技術（二） -基于深度學習的自然語言處理
1.循環神經網絡（RNN）概述
2.基本RNN
3.長短時記憶模型(LSTM)
4.門控循環單元（GRU）
5.知識圖譜向量表示方法
5.1 向量表示法
5.2 知識圖譜嵌入
知識抽取與融合
1.知識抽取主要方法與方式
1.1 主要方法
1.2 主要方式
2 面向結構化數據的知識抽取
2.1 Direct Mapping
2.2 R2RML
3.面向半結構化數據的知識抽取
3.1 基于正則表達式的方法
3.2 基于包裝器的方法
4.面向非結構化數據的知識抽取
4.1 實體抽取
4.2 關系抽取
4.3 事件抽取
5.識挖掘
5.1知識挖掘流程
5.2 知識挖掘主要方法
6 知識融合
6.1 本體匹配
6.2 實體對齊
存儲與檢索
1.知識存儲與檢索基礎知識
2.知識圖譜的存儲方法
2.1基于關系數據庫的存儲
2.2 基于RDF數據庫的存儲
2.3 原生圖數據庫Neo4j存儲
3.圖譜構建實踐 NEO4J
知識圖譜案例-基于Neo4j人物關系知識圖譜存儲與檢索
培訓講師：
劉老師：西安郵電學院計算機科學與技術本科專業，擁有著十幾年軟件研發經驗，7年企業培訓經驗，對Java、Python、區塊鏈等技術領域有獨特的研究，精通J2EE企業級開發技術。Java方向：設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數據推薦，Tensorflow人工智能框架、人臉識別技術。區塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
覃老師：上海大學物理學碩士，創業公司合伙人，技術總監。機器學習，深度學習領域多年一線開發研究經驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關的人工智能實際項目，研發經驗豐富。擁有兩項國家專利。同時具有多年授課培訓經驗，講課通俗易懂，代碼風格簡潔清晰。
王老師：計算機博士，深入理解傳統的計算機視覺方法與目前主流的深度學習算法，在圖像識別、目標檢測、圖像分割、OCR、人臉識別等方向均進行了豐富的項目實戰。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數據挖掘經驗，熟悉大數據下的ETL與模型搭建，曾獨立負責美團用戶信用分評估、敏感身份挖掘、京東金融APP多個模塊推薦算法搭建等項目。
【報名咨詢】
聯系電話：010-62258232 62278113 13718601312 13120125786
聯 系 人：李先生 陳小姐
您的位置：
