人工智能時(shí)代
理工科
相關(guān)專(zhuān)業(yè)
預(yù)轉(zhuǎn)型
開(kāi)發(fā)人員
研發(fā)管理
技術(shù)拓展
人工智能
愛(ài)好者
人工智能開(kāi)發(fā)
制定AI培訓(xùn)課程
培養(yǎng)AI專(zhuān)精型人才
覆蓋AI職業(yè)技能
助力學(xué)員高起點(diǎn)就業(yè)
課程設(shè)置科學(xué)合理
適合AI技術(shù)初學(xué)者
多領(lǐng)域多行業(yè)項(xiàng)目
打造AI核心競(jìng)爭(zhēng)力
技術(shù)大牛傾力研發(fā)
專(zhuān)職沉淀AI新技術(shù)
聚力名企共建課程
整合優(yōu)質(zhì)技術(shù)資源
制定AI培訓(xùn)課程
培養(yǎng)AI專(zhuān)精型人才
AI算法深入研究能力指算法實(shí)用性、先進(jìn)性、可拓展性，讓學(xué)員掌握算法模型舉一反三的技能
AI算法業(yè)務(wù)流處理能力指通過(guò)企業(yè)實(shí)戰(zhàn)場(chǎng)景、業(yè)務(wù)流，對(duì)AI技術(shù)實(shí)戰(zhàn)訓(xùn)練，解決實(shí)戰(zhàn)業(yè)務(wù)流問(wèn)題
在線醫(yī)生是NLP醫(yī)療領(lǐng)域的重要應(yīng)用。醫(yī)療對(duì)話生成模型、基于bert的對(duì)話連貫性判斷、用戶意圖識(shí)別模型提升學(xué)員AI算法的深入研究能力；分布式模型部署、微信客戶端部署、原始醫(yī)療數(shù)據(jù)處理流水線處理訓(xùn)練學(xué)員的AI業(yè)務(wù)流的處理能力。
覆蓋AI職業(yè)技能
助力學(xué)員高起點(diǎn)就業(yè)
科學(xué)計(jì)算庫(kù)，特征工程，十大經(jīng)典算法，主流應(yīng)用領(lǐng)域，推薦系統(tǒng)，主流框架人工智能框架TensorFlow、Pytorch。
圖像分類(lèi)，目標(biāo)檢測(cè)和追蹤，圖像語(yǔ)義分割，場(chǎng)景文字識(shí)別，圖像生成，人體關(guān)鍵點(diǎn)檢測(cè)及標(biāo)簽識(shí)別，視頻分類(lèi)。
分詞，命名實(shí)體識(shí)別，詞性標(biāo)注、句法分析、語(yǔ)義理解、信息抽取、機(jī)器翻譯、文本摘要、問(wèn)答系統(tǒng)、閱讀理解。
進(jìn)化學(xué)習(xí)、分布式機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、立體視覺(jué)與SLAM、點(diǎn)云處理、對(duì)稱(chēng)權(quán)重與深度置信網(wǎng)絡(luò)、模型可解釋性，模型壓縮，遷移學(xué)習(xí)，終身學(xué)習(xí)，元學(xué)習(xí)。
課程設(shè)置科學(xué)合理
適合AI技術(shù)初學(xué)者
· Python基礎(chǔ)語(yǔ)法
· Python數(shù)據(jù)處理
· 函數(shù)
· 文件讀寫(xiě)
· 異常處理
· 模塊和包
1、掌握Python開(kāi)發(fā)環(huán)境基本配置；
2、掌握運(yùn)算符、表達(dá)式、流程控制語(yǔ)句、數(shù)組等的使用；
3、掌握字符串的基本操作；
4、初步建立面向?qū)ο蟮木幊趟季S；
5、熟悉異常捕獲的基本流程及使用方式；
6、掌握類(lèi)和對(duì)象的基本使用方式。
熟練掌握人工智能Python語(yǔ)言，建立編程思維以及面向?qū)ο蟪绦蛟O(shè)計(jì)思想，使學(xué)員能夠熟練使用Python技術(shù)完成基礎(chǔ)程序編寫(xiě)。
· 面向?qū)ο?br>· 網(wǎng)絡(luò)編程
· 多任務(wù)編程
· 高級(jí)語(yǔ)法
· Python編程綜合項(xiàng)目
· Python數(shù)據(jù)結(jié)構(gòu)
1、掌握網(wǎng)絡(luò)編程技術(shù)，能夠?qū)崿F(xiàn)網(wǎng)絡(luò)通訊；
2、知道通訊協(xié)議原理；
3、掌握開(kāi)發(fā)中的多任務(wù)編程實(shí)現(xiàn)方式；
4、知道多進(jìn)程多線程的原理。
熟練使用Python，掌握人工智能開(kāi)發(fā)必備Python高級(jí)語(yǔ)法。
· Linux
· MySQL與SQL
· Numpy矩陣運(yùn)算庫(kù)
· Pandas數(shù)據(jù)清洗
· Pandas數(shù)據(jù)整理
· Pandas數(shù)據(jù)可視化
· Pandas數(shù)據(jù)分析項(xiàng)目
1、掌握Linux常用命令，為數(shù)據(jù)開(kāi)發(fā)后續(xù)學(xué)習(xí)打下的良好基礎(chǔ)；
2、掌握MySQL數(shù)據(jù)庫(kù)的使用；
3、掌握SQL語(yǔ)法；
4、掌握使用Python操作數(shù)據(jù)庫(kù)；
5、掌握Pandas案例；
6、知道會(huì)圖庫(kù)使用；
7、掌握Pandas數(shù)據(jù)ETL；
8、掌握Pandas數(shù)據(jù)分析項(xiàng)目流程。
掌握SQL及Pandas完成數(shù)據(jù)分析與可視化操作。
· 機(jī)器學(xué)習(xí)簡(jiǎn)介
· K近鄰算法
· 線性回歸
· 邏輯回歸
· 決策樹(shù)
· 聚類(lèi)算法
· 集成學(xué)習(xí)
· 機(jī)器學(xué)習(xí)進(jìn)階算法
· 用戶畫(huà)像案例
· 電商運(yùn)營(yíng)數(shù)據(jù)建模分析案例
1、掌握機(jī)器學(xué)習(xí)算法基本原理；
2、掌握使用機(jī)器學(xué)習(xí)模型訓(xùn)練的基本流程；
3、掌握Sklearn,Jieba,Gensim等常用機(jī)器學(xué)習(xí)相關(guān)開(kāi)源庫(kù)的使用；
4、熟練使用機(jī)器學(xué)習(xí)相關(guān)算法進(jìn)行預(yù)測(cè)分析；
5、掌握數(shù)據(jù)分析常用思維方法；
6、掌握不同業(yè)務(wù)場(chǎng)景下的指標(biāo)體系搭建；
7、熟練使用各種數(shù)據(jù)分析工具進(jìn)行數(shù)據(jù)提取與數(shù)據(jù)展示；
8、熟練運(yùn)用常用數(shù)據(jù)分析模型解決業(yè)務(wù)問(wèn)題。
掌握機(jī)器學(xué)習(xí)基本概念，利用多場(chǎng)景案例強(qiáng)化機(jī)器學(xué)習(xí)建模。
· 金融風(fēng)控項(xiàng)目業(yè)務(wù)背景介紹
· 風(fēng)控建模介紹
· 機(jī)器學(xué)習(xí)評(píng)分卡
· 金融風(fēng)控特征工程
· 不均衡學(xué)習(xí)和異常檢測(cè)
· 推薦項(xiàng)目數(shù)據(jù)采集
· 推薦系統(tǒng)召回業(yè)務(wù)
· 推薦系統(tǒng)排序業(yè)務(wù)
· 基于多路召回的實(shí)時(shí)推薦
· 推薦系統(tǒng)平臺(tái)調(diào)度
· 推薦系統(tǒng)性能評(píng)估
1、掌握風(fēng)控業(yè)務(wù)場(chǎng)景的常用指標(biāo)；2、掌握評(píng)分卡的建模流程；
3、掌握評(píng)分卡特征工程的常用套路；
4、熟練運(yùn)用機(jī)器學(xué)習(xí)算法解決風(fēng)控業(yè)務(wù)場(chǎng)景下的問(wèn)題；
5、掌握多行業(yè)推薦業(yè)務(wù)；6、掌握推薦業(yè)務(wù)建模流程；
7、掌握召回，排序基礎(chǔ)算法；8、熟練運(yùn)用機(jī)器學(xué)習(xí)算法解決推薦業(yè)務(wù)問(wèn)題；
9、掌握大數(shù)據(jù)計(jì)算框架基本使用。
1、掌握掌握金融風(fēng)控或推薦系統(tǒng)項(xiàng)目
2、掌握運(yùn)用機(jī)器學(xué)習(xí)算法解決實(shí)際業(yè)務(wù)的分類(lèi)、聚類(lèi)、回歸的問(wèn)題
· 深度學(xué)習(xí)基礎(chǔ)
· BP神經(jīng)網(wǎng)絡(luò)
· 經(jīng)典神經(jīng)同絡(luò)結(jié)構(gòu)（CNN&RNN）
· 深度學(xué)習(xí)多框架對(duì)比
· 深度學(xué)習(xí)正則化和算法優(yōu)化
· 深度學(xué)習(xí)Pytorch框架
· NLP任務(wù)和開(kāi)發(fā)流程
· 文本預(yù)處理
· RNN及變體原理與實(shí)戰(zhàn)
· Transformer原理與實(shí)戰(zhàn)
· Attention機(jī)制原理與實(shí)戰(zhàn)
· 傳統(tǒng)序列模型
· 遷移學(xué)習(xí)實(shí)戰(zhàn)
1、pytorch工具處理神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵點(diǎn)；
2、掌握神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)；
3、掌握反向傳播原理；
4、了解深度學(xué)習(xí)正則化與算法優(yōu)化；
5、掌握NLP領(lǐng)域前沿的技術(shù)解決方案；
6、了解NLP應(yīng)用場(chǎng)景；
7、掌握NLP相關(guān)知識(shí)的原理和實(shí)現(xiàn)；
8、掌握傳統(tǒng)序列模型的基本原理和使用；
9、掌握非序列模型解決文本問(wèn)題的原理和方案；
10、能夠使用pytorch搭建神經(jīng)網(wǎng)絡(luò)；
11、構(gòu)建基本的語(yǔ)言翻譯系統(tǒng)模型；
12、構(gòu)建基本的文本生成系統(tǒng)模型；
13、構(gòu)建基本的文本分類(lèi)器模型；
14、使用ID-CNN+CRF進(jìn)行命名實(shí)體識(shí)別；
15、使用fasttext進(jìn)行快速的文本分類(lèi)；
16、勝任多數(shù)企業(yè)的NLP工程師的職位。
掌握深度學(xué)習(xí)基礎(chǔ)及神經(jīng)網(wǎng)絡(luò)經(jīng)典算法；掌握熱門(mén)的PyTorch技術(shù)，完成自然語(yǔ)言處理基礎(chǔ)算法，諸如RNN、LSTM、GRU等技術(shù)。
· ChatGPT入門(mén)
· ChatGPT原理詳解
· ChatGPT項(xiàng)目實(shí)戰(zhàn)
· 基于大型預(yù)訓(xùn)練模型搭建聊天機(jī)器人
· 聊天機(jī)器人和問(wèn)答系統(tǒng)
1、掌握大規(guī)模知識(shí)圖譜技術(shù)與自然語(yǔ)言處理在多領(lǐng)域的應(yīng)用
2、掌握ChatGPT聊天機(jī)器人實(shí)戰(zhàn)
3、掌握基于大型預(yù)訓(xùn)練模型搭建聊天機(jī)器人
4、熟悉端到端以及結(jié)合知識(shí)庫(kù)的多輪多任務(wù)對(duì)話系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)
能夠運(yùn)用ChatGPT模型完成聊天機(jī)器人和問(wèn)答系統(tǒng)的相關(guān)功能
· 解決方案列表
· 項(xiàng)目架構(gòu)及數(shù)據(jù)采集
· 命名實(shí)體識(shí)別
· 對(duì)話系統(tǒng)
· 項(xiàng)目架構(gòu)
· 多模型預(yù)測(cè)
· 模型的迭代優(yōu)化
· 模型的上線部署與總結(jié)
· 智能文本分類(lèi)
· 模型上線
1、醫(yī)療領(lǐng)域NER解決方案；2、對(duì)話主題相關(guān)解決方案；
3、微信端服務(wù)部署解決方案；4、對(duì)話管理系統(tǒng)與A結(jié)合解決方案；
5、抽取式文本摘要解決方案；6、生成式文本摘要解決方案；
7、自主訓(xùn)練詞向量解決方案；8、解碼方案的優(yōu)化解決方案；
9、數(shù)據(jù)增強(qiáng)優(yōu)化解決方案；10、大規(guī)?？焖傥谋痉诸?lèi)解決方案；
11、多模型井行預(yù)測(cè)解決方案；12、分布式模型訓(xùn)練解決方案；
13、多標(biāo)簽知識(shí)圖譜構(gòu)建解決方案。
1、掌握自然語(yǔ)言處理項(xiàng)目，完成文本摘要或傳智大腦項(xiàng)目
2、掌握自然語(yǔ)言處理項(xiàng)目，完成智能文本分類(lèi)或知識(shí)圖譜項(xiàng)目
3、掌握運(yùn)用NLP核心算法解決實(shí)際場(chǎng)景關(guān)系抽取的問(wèn)題
· 機(jī)器學(xué)習(xí)核心算法加強(qiáng)
· 深度學(xué)習(xí)核心算法加強(qiáng)
· 數(shù)據(jù)結(jié)構(gòu)與算法
· 多行業(yè)項(xiàng)目擴(kuò)展
· 圖像與視覺(jué)處理介紹
· 目標(biāo)分類(lèi)和經(jīng)典CV網(wǎng)絡(luò)
· 目標(biāo)檢測(cè)和經(jīng)典CV網(wǎng)絡(luò)
· 目標(biāo)分割和經(jīng)典CV網(wǎng)絡(luò)
1、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)核心算法，NLP經(jīng)典算法，數(shù)據(jù)結(jié)構(gòu)算法、Djkstra算法，動(dòng)態(tài)規(guī)劃初步，貪心算法原理，多行業(yè)人工智能案例剖析；
2、經(jīng)典卷積網(wǎng)絡(luò)：LeNet5、AlexNet、 VGG、 Inception、GoogleNlet、殘差網(wǎng)絡(luò) 深度學(xué)習(xí)優(yōu)化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、 YOLOV2、 YOLOV。
1、掌握數(shù)據(jù)結(jié)構(gòu)與算法，核心機(jī)器學(xué)習(xí)、深度學(xué)習(xí)面試題，助力高薪就業(yè)；
2、掌握計(jì)算機(jī)視覺(jué)基礎(chǔ)算法，諸如CNN、殘差網(wǎng)絡(luò)、Yolo及SSD。
· 解決方案列表
· 項(xiàng)目架構(gòu)及數(shù)據(jù)采集
· 人臉檢測(cè)與跟蹤
· 人臉姿態(tài)任務(wù)
· 人臉多任務(wù)
· 系統(tǒng)集成
1、人臉檢測(cè)與跟蹤解決方案；
2、人臉多任務(wù)解決方案；
3、人臉識(shí)別任務(wù)解決方案；
4、系統(tǒng)集成解決方案；。
掌握人臉支付項(xiàng)目或智慧交通項(xiàng)目或?qū)崟r(shí)人臉識(shí)別項(xiàng)目。
多領(lǐng)域多行業(yè)項(xiàng)目
打造AI核心競(jìng)爭(zhēng)力
本項(xiàng)目利用深度學(xué)習(xí)技術(shù)，跟蹤路面實(shí)時(shí)車(chē)輛通行狀況，并逐幀記錄不同行車(chē)道車(chē)流量數(shù)目。車(chē)輛自動(dòng)計(jì)數(shù)系統(tǒng)由計(jì)數(shù)系統(tǒng)、圖像抓拍系統(tǒng)、實(shí)時(shí)監(jiān)控錄像系統(tǒng)組成，可在視頻看出每個(gè)車(chē)輛的連續(xù)幀路徑。
1、Siamese系列模型
2、yoloV3目標(biāo)檢測(cè)
3、SORT/DeepSORT算法
4、卡爾曼濾波目標(biāo)位置優(yōu)化
5、匈牙利算法目標(biāo)匹配
6、相機(jī)校正方法
本項(xiàng)目可通過(guò)攝像頭實(shí)時(shí)采集視頻人臉數(shù)據(jù)，也可批量圖片輸入自動(dòng)化識(shí)別人臉；本項(xiàng)目對(duì)視頻可實(shí)現(xiàn)人臉的跟蹤，并標(biāo)注姓名、性別、情緒（開(kāi)心、生氣、自然）等信息；能對(duì)進(jìn)入視頻的陌生人報(bào)警。
1、EigenFace
2、LBPH
3、雙屬性圖
4、動(dòng)態(tài)人臉定位
5、活體檢測(cè)
6、柔性模型技術(shù)
7、Gabor系數(shù)特征匹配
8、隱馬爾科夫模型的圖像分割
在線醫(yī)生項(xiàng)目是一個(gè)基于自然語(yǔ)言理解方向的問(wèn)答機(jī)器人。該項(xiàng)目結(jié)合醫(yī)學(xué)知識(shí)圖譜、深度學(xué)習(xí)、對(duì)話管理、微信公眾號(hào)開(kāi)發(fā)等技術(shù)，旨在降低首醫(yī)成本，為患者提供基本醫(yī)學(xué)診斷意見(jiàn)服務(wù)。
1、Neo4j圖數(shù)據(jù)庫(kù)
2、命名實(shí)體審核/識(shí)別模型訓(xùn)練與預(yù)測(cè)+
3、句子主題相關(guān)模型訓(xùn)練與部署
4、系統(tǒng)聯(lián)調(diào)與測(cè)試
5、論文復(fù)現(xiàn)
中文標(biāo)簽化系統(tǒng)是NLP基礎(chǔ)任務(wù)的綜合系統(tǒng)，同時(shí)又是NLP應(yīng)用的基礎(chǔ)設(shè)施。根據(jù)文本信息，給出對(duì)應(yīng)的預(yù)定義標(biāo)簽將能夠有效的支持用戶畫(huà)像，推薦系統(tǒng)等。同時(shí)，對(duì)于高階NLP任務(wù)，如對(duì)話，翻譯，寓意蘊(yùn)含等在語(yǔ)料分類(lèi)上將有很大的幫助。
1、標(biāo)簽詞匯知識(shí)圖譜
2、特征工程
3、fasttext模型
4、多模型訓(xùn)練與預(yù)測(cè)
5、AI業(yè)務(wù)流調(diào)試
6、Django后端服務(wù)搭建
推薦系統(tǒng)的在當(dāng)下的火爆程度毋庸置疑，個(gè)性化推薦的需求也是每一個(gè)toC產(chǎn)品應(yīng)該實(shí)現(xiàn)的目標(biāo)。本項(xiàng)目推薦系統(tǒng)策略與圖像與視覺(jué)處理相結(jié)合，深度解決互聯(lián)網(wǎng)產(chǎn)業(yè)的推薦業(yè)務(wù)場(chǎng)景。
1、知識(shí)圖譜構(gòu)建雙畫(huà)像
2、多召回策略
3、召回金字塔
4、基于人臉
5、場(chǎng)景
6、表情推薦方案
人臉支付項(xiàng)目是一個(gè)基于計(jì)算機(jī)視覺(jué)方向的人臉識(shí)別項(xiàng)目，該項(xiàng)目以支付系統(tǒng)為背景介紹人臉處理的整體流程。利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法，針對(duì)攝像頭捕獲的視頻圖像，進(jìn)行人臉區(qū)域檢測(cè)，人臉跟蹤，人臉姿態(tài)的檢測(cè)，通過(guò)人臉矯正，人臉比對(duì)完成人臉的識(shí)別。
1、人臉檢測(cè)的解決方案
2、人臉姿態(tài)（歐拉角）檢測(cè)
3、人臉關(guān)鍵點(diǎn)識(shí)別
4、人臉多任務(wù)（年齡，性別等）
5、人臉特征對(duì)比
黑馬頭條推薦系統(tǒng)屬于機(jī)器學(xué)習(xí)與深度學(xué)習(xí)推薦應(yīng)用項(xiàng)目，類(lèi)似今日頭條、掘金等推薦。用戶可以通過(guò)黑馬頭條APP獲取個(gè)性化推薦技術(shù)文章的效果。
1、Hadoop分布式文件存儲(chǔ)和計(jì)算
2、Sqoop大規(guī)模數(shù)據(jù)遷移
3、Lambda架構(gòu)
4、Flume數(shù)據(jù)采集
5、Kafka消息隊(duì)列
6、Spark機(jī)器學(xué)習(xí)
7、用戶特征工程
8、TFIDF、TextRank文本特征工程
9、多路召回策略
10、Wide&Deep深度學(xué)習(xí)模型
根據(jù)用戶的歷史行為，挖掘出用戶的喜好，并為用戶推薦與其喜好相符的商品或者信息。同時(shí)讓一些有價(jià)值的信息能夠到達(dá)潛在的用戶之中。其中用戶畫(huà)像標(biāo)簽系統(tǒng)為推薦系統(tǒng)提供數(shù)據(jù)支持，商品推薦的Ctr/Cvr點(diǎn)擊率/轉(zhuǎn)化率預(yù)估系統(tǒng)為推薦系統(tǒng)推薦結(jié)果提供排序依據(jù)。
1、推薦系統(tǒng)項(xiàng)目業(yè)務(wù)背景介紹
2、推薦系統(tǒng)架構(gòu)
3、企業(yè)級(jí)用戶畫(huà)像
4、SparkMllib案例實(shí)戰(zhàn)
5、多路召回算法
6、排序算法
7、推薦系統(tǒng)指標(biāo)評(píng)估
小智聊天機(jī)器人，使用了自然語(yǔ)言處理的技術(shù)，實(shí)現(xiàn)人機(jī)對(duì)話。實(shí)現(xiàn)的是一個(gè)類(lèi)似智能客服的系統(tǒng)，實(shí)現(xiàn)了閑聊功能和問(wèn)答功能，在App上提供了入口，能夠和機(jī)器人閑聊和編程相關(guān)的問(wèn)題。
1、jieba分詞
2、skip-gram模型
3、CBOW模型
4、詞嵌入原理word_embedding
5、神經(jīng)網(wǎng)絡(luò)RNN-LSTM-GRU
6、Seq2Seq模型完整搭建和訓(xùn)練
7、astText+Attention注意力機(jī)制
金融風(fēng)控項(xiàng)目搭建了整套金融風(fēng)控知識(shí)體系，從反欺詐、信用風(fēng)險(xiǎn)策略、評(píng)分卡模型構(gòu)建等熱點(diǎn)知識(shí)，使得學(xué)員具備中級(jí)金融風(fēng)控分析師能力。
1、常見(jiàn)信貸風(fēng)險(xiǎn)、金融風(fēng)控領(lǐng)域常用術(shù)語(yǔ)
2、信貸審批業(yè)務(wù)基本流程、ABC評(píng)分卡概念、正負(fù)樣本定義方法等
3、特征衍生、特征交叉、特征評(píng)估與篩選
4、邏輯回歸評(píng)分卡、集成學(xué)習(xí)評(píng)分卡、模型評(píng)價(jià)（KS，AUC），評(píng)分映射方法，模型報(bào)告
5、樣本不均衡的處理方法，異常點(diǎn)檢測(cè)的常用方法
技術(shù)大牛傾力研發(fā)
專(zhuān)職沉淀AI新技術(shù)
咨詢了解詳情
線下線上雙班型
