我要報名

咨詢電話：
手　　機：	郵箱：

內容背景

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。

實戰進階加深是在“人工智能：機器學習和深度學習”的基礎上，進一步深入學習和實戰，從理論和實踐兩方面提升學員人工智能產品的研發能力。由完整的案例加上具體實現驅動，針對每一個專題，描述案例場景，把知識揉進具體實現過程，通過分析、改進、實現、總結歸納的循環，建立更加深入完整的知識和能力結構。這些知識和能力，對于研發更多領域的人工智能產品來說，具有很高的萃取價值。

培訓對象

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。

培訓目的

1、深層次掌握人工智能理論，尋求人工智能研發的突破口，探知核心的秘密。

2、理論應用于實際項目，不只是了解，更在于掌握。

3、以實踐為導向，萃取案例精化，加深理論知識，提高研發能力。

4、把握人工智能的新應用，理解人工智能領域發展趨勢。

5、一個交流探討的高級別平臺。

培訓要點

隨著國家在人工智能領域的戰略布局，人工智能已經應用于各個方面：專家系統、自動推理、圖像識別、模式識別、語音識別、自然語言理解、指紋識別、人臉識別、無人駕駛、推薦系統、社交網絡、計算機視覺、智能機器人等。但是，有沒有一種方法能迅速把握精髓，從而更快的進入人工智能的廣闊天地呢？

本次培訓采用深入理論+淺出實踐，實戰進階加深相結合的模式，在理論上，精選最關鍵最重要的理論，為進一步獲取相關知識打下基礎。在實踐上，精選目前比較有啟發性的案例并進行加深，既幫助我們理解理論，更能幫助我們開闊思路，為研發相關領域的人工智能系統，提供一條思考脈絡。

培訓內容

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

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

第十一講 機器學習項目進階加深：實現與改進

1，支持向量機實現車牌識別：案例實現與分析改進

車牌數據預處理以及要注意的問題

特征提取及特征選擇

單特征識別模型搭建

特征融合實現、改進及注意的問題

實現車牌識別全流程自動化的關鍵改進

2，決策樹實現銀行客戶貸款風險預測：案例實現與分析改進

決策樹的模型搭建

如何選擇決策樹的分裂屬性以及深層次思考

如何根據測試結果進行決策樹的優化

決策樹中的剪枝實現

隨機森林的實現及注意事項

3，討論互動：學員提出問題并進行相互討論

4，案例總結：萃取案例中的經驗并進行推廣應用

第十二講 深度學習項目進階加深：實現與改進

1，卷積神經網絡實現人臉識別：案例實現與分析改進

網絡搭建

如何根據結果進行網絡結構調整（逐步講解與分析）

如何根據結果進行參數調整（逐步講解與分析）

最終的參數如何確定（不在是混亂嘗試，而是深層次理解參數的含義）

2，卷積神經網絡實現手寫體識別：案例實現與分析改進

網絡搭建（注意與人臉識別案例的對比）

如何根據結果進行網絡結構調整（注意與人臉識別案例的對比）

如何根據結果進行參數調整（注意與人臉識別案例的對比）

最終的參數如何確定（注意與人臉識別案例的對比）

3，循環神經網絡實現客戶評價分類：案例實現與分析改進

網絡搭建

如何根據結果進行網絡結構調整

如何根據結果進行參數調整

最終的參數如何確定

4，討論互動：學員提出問題并進行相互討論

5，案例總結：萃取案例中的經驗并進行推廣應用

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：機器學習和深度學習+ 機器學習和深度學習之實戰進階加深(北京)