人工智能行业背景
|
1.人工智能基本概念
2.人工智能的核心技术
3.人工智能的商业场景、解决方案和利弊
4.人工智能产业链
5.人工智能支撑技术-大数据
6.人工智能支撑技术-云计算 |
人工智能行业应用 |
1.零售业
2 .金融业
3.政府
4 .医疗业
5 .能源业
6 .电信运营业
7 .交通物流业
8 .人工智能汽车行业应用
- 智能产品:无人汽车,智能汽车
- 智能业务:智能制造
- 智能研发、智能供应链、智能服务、汽车金融等
|
人工智能基础算法技术体系介绍 |
1.通用机器学习算法
2.深度学习算法体系
3.NLP算法体系
4.图像识别技术
5.语音识别技术
6.视频识别技术
7.人工智能平台搭建 |
案例实践:使用机器学习技术进行汽车金融欺诈检测 |
1. 逻辑回归算法原理,推导
2. 逻辑回归代码实现
3. 多分类问题解决方案
4. 一对一分类,一对多分类
5. 决策树算法模型
6. 熵原理,信息增益
7. 决策树构建
8. 决策树代码实现
9. 贝叶斯算法原理
10. 贝叶斯代码实现
|
案例实践:使用机器学习技术进行汽车用户细分 |
1. 用户细分原理
2. 聚类算法原理
3. KMeans 算法,层次聚类算法,密度聚类算法
4. 代码实现
|
案例实践:使用机器学习技术进行汽车产品口碑分析 |
1. 数据源分析
2. 文本挖掘算法
3. KMeans 算法,层次聚类算法,密度聚类算法
4. 代码实现
|
深度学习算法基础 |
1.得分函数
2.损失函数
3.正则化
4.softmax分类器原理
5.最优化问题
6.梯度下降
7.反向传播
8.增强学习
9.迁移学习
|
深度学习框架对比 |
1.Tensorflow
2.caffe
3.Torch
4.Theano
|
案例实践:使用深度学习算法进行手势识 |
1. 卷积神经网络详解-卷积层
2. 卷积神经网络详解-池化层
3. 卷积神经网络详解-全连接层
4. 卷积实现手势识别
|
案例实践:人脸检测 |
1.人脸检测数据收集
2.制作正负样本给定标签
3.制作LMDB数据源
4.使用Tensorflow训练人脸检测网络
5.代码实现人脸检测模型
|
案例实践:使用LSTM进行小说编写 |
1. 经典神经网络实例(ALEXNET,VGG)详解
2. RNN与LSTM记忆网络
3. 数据增强,网络设计,参数初始化
4. 级联模式网络结构分析-人脸检测算法分析
5. 序列化网络结构分析-人体姿态识别算法分析
6. 深度残差网络
7. PRISMA如何实现风格转换
8. Faster-rcnn物体检测框架原理详解
|