二、培训目标
三、培训对象
四、培训方式
五、时间地点
六、培训内容
日期
|
主题
|
内容
|
第一天
|
人工智能基础与概述
|
1.AI技术的理论基础、历史概述
2.人工智能的产业应用概述
3.人工智能发展现状及趋势概述
4.人工智能热点问题和前沿研究介绍
|
人工智能的行业应用与发展
|
1.人工智能的行业图谱和行业发展分析
2.人工智能结合大数据的行业应用案例
3.人工智能在“互联网+”领域的应用
4.人工智能在制造业领域的应用
5.人工智能在金融、消费领域的应用
6.人工智能在医疗健康领域的应用
|
|
人工智能技术实现环境与编程语言
|
1.python概述
2.python编程软件安装
3.python基础数据结构
4.python的循环与判断结构
5.函数定义、类的定义
6.第三方库的使用：numpy、pandas、matplotlib
7.图像/视频处理、语音处理、自然语言处理等领域的基本方法
|
|
第二天
|
部署人工智能实验平台
|
1.国产化深度学习框架基本情况
2.深度学习框架运行的基本软硬件环境要求
3.深度学习框架的安装
4.运行讲师提供的人工智能简単示例验证环境的正确性
5.熟悉实验资料和实验环境
|
人工智能机器学习的算法模型的应用实践
|
1.人工智能四大类经典算法概述
2.线性回归
3.逻辑回归算法及应用
4.领回归
5.朴素贝叶斯算法及其应用
6.支持向量机
7.决策树算法模型及其应用
8.随机森林
9.关联分析算法模型及其应用
10.聚类算法模型及其应用
11.Sklearn库概述
12.Sklearn库概述的实战操作
13.利用Python语言编程,实现分类预测项目
14.机器学习常见评估方法：准确率、召回率、混淆矩阵、F1-score、AUC指标、ROC曲线
|
|
第三天
|
人工智能深度学习的算法模型的应用实践
|
1.深度学习算法概述
2.神经网络算法模型及其应用
3.卷积神经网络算法及应用
4.循环神经网络深度学习的应用
5.图神经网络算法模型及其应用
|
TensorFlow：Al深度学习平台及其应用实践
|
1.TensorFlow：AI深度学习框架的概述
2.TensorFlow深度学习平台的工作机制和系统架构
3.TensorFlow的应用场景和应用案例
4.TensorFlow CNN应用操作
5.TensorFlow LSTM应用操作
6.基于TensorFlow的可视化工具：Tensorboard简介
7.Tensorboard的部署、配置和应用界面操作
8.基于TensorFlow和Tensorboard进行实验操作
9.深度学习算法常见的评估方法：准确率、召回率、AUC指标、ROC曲线、目标识别交并比、图像分割交并比
|
|
Keras人工智能平台应用实践
|
1.业界常用的AI平台：Keras人工智能平台概述
2.Keras AI平台的部署与配置
3.Keras技术实现与工作机制
4.Keras实验案例操作
|
|
第四天
|
Pytorch人工智能平台应用实践
|
1.Pytorch人工智能平台概述
2.Pytorch AI平台的部署与配置
3.Pytorch技术实现与工作机制
4.Pytorch实验案例操作
5.基于Pytorch的深度学习案例实践
|
项目实践
|
1.利用学过的知识，使用Python编程实现基本的人脸识别或AI读片等实验项目
2.讲师提供项目指导手册,带着学员完成,学员独立完成后，讲师答疑
|
|
综合实践与分享讨论
|
1.根据讲师布置的实际应用案例,开展人工智能和大数据完整项目部署设计和应用开发实践、应用实施以及解决方案分享咨询与交流讨论
|
七、培训师资
八、培训费用及证书颁发
九、报名回执
“人工智能技术及其应用实战”培训班
报名回执
单位
|
纳税人识别号
|
|||
地址
|
开票内容
|
口培训费 口会议费
|
||
姓名
|
性别
|
身份证号码
|
手机
|
|
注：1. 此表复印有效；2.身份证号码办理证书使用
十、联系方式
徐建美：15801436028
员丽丽：18701529461（微信同步）
邮 箱：bcc-sxpx@bcc.ac.cn
北京市计算中心有限公司
2023年5月
