我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

在國家發展的新時代，產業戰略已經向創新驅動轉移，從而迎接全球新一輪科技革命與產業變革的重大機遇和挑戰，在這個過程中，人工智能異軍突起，成為新時代的創新突破口。由于人工智能技術的領域普遍性，大批在第一線工作的技術人員需要更新知識，學習人工智能理論與實踐，從而在自己的領域中實現跨越式創新。

培訓受眾:

架構師、分析師、項目經理、高級程序員、資深開發人員、人工智能工程師、圖像處理工程師、機器學習工程師、模式識別工程師以及未來可能從事人工智能研發的技術人員。

課程收益:

1，深層次掌握人工智能理論，到達人工智能的突破口，探知最核心的秘密。

2，理論應用于實際項目，不只是了解，更在于掌握。

3，把握人工智能的新應用，理解時代趨勢，不再為了人工智能而人工智能。

4，一個交流探討的高級別平臺。

課程大綱:

理論篇

第一講 人工智能簡介

1.1 什么是人工智能

1.2 為什么要人工智能

1.3 人工智能的發展簡史

1.4 人工智能的現實案例舉例

第二講 最優分類面和支持向量機

2.1 什么是最優分類面

2.2 支持向量機的本質是什么

2.3 支持向量機在線性不可分時怎么辦

2.4 支持向量機中核函數如何選擇

2.5 支持向量機在車牌識別中的應用案例

第三講 決策樹

31 什么是非數值特征

3.2 為什么要引入決策樹

3.3 如何設計決策樹

3.4 如何構造隨機森林

3.5 決策樹在醫療系統中的應用案例

第四講 深度學習之始：人工神經網絡

4.1 人工神經網絡的設計動機是什么

4.2 單個神經元的功能

4.3 人工神經網絡的優化以及誤差逆傳播（BP）算法

4.4 人工神經網絡中需要注意的問題

4.5 人工神經網絡在表情識別、流量預測中的應用案例

第五講 深度學習中的技巧和注意事項

5.1 深度學習中過學習問題的處理

5.2 如何選擇損失函數

5.3 如何并行化

5.4 如何解決深度學習中梯度消失問題

5.5 如何選擇激勵函數

5.6 權值衰減、Dropout以及新的網絡架構

第六講 卷積神經網絡

6.1 卷積以及卷積網絡的概念

6.2 為什么在使用卷積網絡

6.3 卷積網絡的結構設計

6.4 卷積網絡在圍棋中的應用

6.5 卷積神經網絡在圖像識別中的應用案例

第七講 循環神經網絡

7.1 為什么要使用循環神經網絡

7.2 1-of-N編碼

7.3 循環神經網絡的介紹

7.4 長短期記憶網絡

7.5 長短期記憶網絡在自然語言處理中的應用案例

第八講 人工智能未來展望

8.1 監督學習中的新應用

8.2 強制學習中的新應用

8.3 非監督學習中的新應用

8.4 DeepMind介紹

實踐篇

第九講 使用支持向量機進行車牌識別

第十講 使用深度學習進行手寫體識別、人臉識別以及自然語言處理

司老師

清華大學博士，人工智能方面專家，在意大利舉辦的國際在線指紋識別競賽中獲得冠軍，在機器學習和模式識別領域頂級期刊IEEE TPAMI等期刊發表多篇論文，擁有5個中國專利和1個美國專利，是人工智能、深度學習、機器學習和圖像處理和模式識別領域的實戰派專家。

我要報名

在線報名：人工智能：理論與實踐(北京)