培训安排：2023年11月27日-30日 上海
培训费用：8800元/人（含培训费、平台费、资料费以及直播视频回放一年等费用）。
培训证书：本课程由中国信息化培训中心颁发《人工智能高级工程师》证书，证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
课程收益：课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括——
1.回归算法理论与实战
2.决策树算法理论与实战
3.集成学习算法理论与实战
4.聚类算法理论与实战
5.神经网络算法
6.Tensorflow DNN CNN构建
7.基于OpenCV计算机视觉识别
8.YOLO目标识别框架
9.从0到1完成知识图谱构建
10.通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员掌握知识图谱基础与专门知识，获得较强的知识图谱应用系统的分析、设计、实现能力。
课程大纲：
机器学习与线性回归算法
1.线性回归介绍与公式推导
2.多变量线性归回归与梯度下降
3.预测销量与广告投放相关性预测
4.数据升维与PCA降维
5.数据归一化与模型优化
6.欠拟合与过拟合
7.训练结果的可视化
8.保存模型与再加载
逻辑回归与决策树实战
1.项目背景与需求分析
2.特征工程之标准化
3.基本预处理操作
4.上采样与下采样
5.混淆矩阵可视化函数
6.模型的训练与准确率,精确率,召回率
决策树、集成学习识别银行高风险贷款
1.信息增益与算法原理介绍
2.数据分析、特征工程
3.模型训练与优化参数
4.随机森林、正向激励算法
5.采用决策树识别高风险贷款
Tensorflow2.3 神经网络
1.Tensorflow安装
2.Tensorlfow基础知识
3.Tensorflow线性回归
4.Tensorflow非线性回归
5.Mnist数据集合Softmax讲解
6.使用BP神经网络搭建手写数字识别
7.交叉熵(cross-entropy)讲解和使用
8.过拟合,正则化,Dropout
9.各种优化器Optimizer
10.改进手写数字识别网络
11.模型保存与载入
深度学习之卷积神经网络、CIFAR图形图像识别项目
1.CIFAR项目需求介绍
2.分析爱data_batch数据集
3.CNN卷积神经网络介绍
4.卷积、深度、池化、步长、激活函数
采用CNN完成CIFAR物体分类
1.人脸识别数据集与算法介绍
2.模型结构设计
3.人脸损失函数设计
4.模型与参数调优
Keras 神经网络框架
1.Keras神经网络框架介绍
2.基于Keras情感类分析
3.动物分类器实现
4.采用Keras实现非线性回归
5.生成式对抗神经网络原理及应用
6.模块结构分析与优化策略
7.采用Keras重构TensorFlow项目
Open CV计算机视觉技术
1.OpenVINO框架介绍与安装测试
2.OpenCV DNN中使用IE模块加速
3.转化工具与IE模块加速
4.准备人脸数据
5.CV扫描图像、平滑、扩张实现
6.DNN神经网络识别人脸
7.测试与调优操作
8.基于Open CV DNN 构建车辆与车牌检查模型
YOYO目标识别框架技术
1.标检测任务介绍
2.RCNN/Fast-RCNN/Faster-RCNN算法介绍
3.YOLO算法介绍
4.目标分割任务介绍
5.全卷积网络
6.双线性上采样
7.特征金字塔
8.Mask RCNN算法介绍
9.目标分割项目实战
图数据库与构建知识图谱
1.知识图谱核心技术：知识推理
2.知识图谱应用场景与抽取概述介绍
3.本体知识推理与任务分类
4.实体与关系、事件抽取技术
5.采用TxtCnn、CRF完成知识抽取
6.采用RNN、LSTM完成知识抽取
知识存储与问答机器人构建
1.知识存储neo4j常用数据库
2.Cyhper语言介绍
3.采用Py操作Neo4j数据库
4.基于知识图谱问答机器人构建
知识图谱概述
1.知识图谱（KG）概念
2.知识图谱的起源与发展
3.典型知识图谱项目简介
4.知识图谱技术概述
5.知识图谱典型应用
知识表示
1.基于符号主义的知识表示概述
1.1 谓词逻辑表示法
1.2 产生式系统表示法
1.3 语义网络表示法
2 知识图谱的知识表示
2.1 RDF和RDFS
2.2 OWL和OWL2
2.3 Json-LD与RDFa、MicroData
2.4 SPARQL查询语言
3 知识建模实战 Protege
知识图谱核心基础技术（一） -神经网络与深度学习
1.神经网络基本原理
2.神经网络应用举例
3.深度学习概述
4.主流深度学习框架
4.1 TesorFlow
4.2 Caffe
5.卷积神经网络（CNN）
5.1 CNN简介
5.2 CNN关键技术:局部感知、卷积、池化、CNN训练
5.3 典型卷积神经网络结构
5.4 深度残差网络
5.5 案例：利用CNN进行手写数字识别
知识图谱核心基础技术（二） -基于深度学习的自然语言处理
1.循环神经网络（RNN）概述
2.基本RNN
3.长短时记忆模型(LSTM)
4.门控循环单元（GRU）
5.知识图谱向量表示方法
5.1 向量表示法
5.2 知识图谱嵌入
知识抽取与融合
1.知识抽取主要方法与方式
1.1 主要方法
1.2 主要方式
2 面向结构化数据的知识抽取
2.1 Direct Mapping
2.2 R2RML
3.面向半结构化数据的知识抽取
3.1 基于正则表达式的方法
3.2 基于包装器的方法
4.面向非结构化数据的知识抽取
4.1 实体抽取
4.2 关系抽取
4.3 事件抽取
5.识挖掘
5.1知识挖掘流程
5.2 知识挖掘主要方法
6 知识融合
6.1 本体匹配
6.2 实体对齐
存储与检索
1.知识存储与检索基础知识
2.知识图谱的存储方法
2.1基于关系数据库的存储
2.2 基于RDF数据库的存储
2.3 原生图数据库Neo4j存储
3.图谱构建实践 NEO4J
知识图谱案例-基于Neo4j人物关系知识图谱存储与检索
培训讲师：
刘老师：西安邮电学院计算机科学与技术本科专业，拥有着十几年软件研发经验，7年企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通J2EE企业级开发技术。Java方向：设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且对Java源码有深入研究。Python方向：Python OOP、Mongodb、Django、Scrapy爬虫、基于Surprise库数据推荐，Tensorflow人工智能框架、人脸识别技术。区块链方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
覃老师：上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。曾使用Tensorflow，Caffe，Keras等深度学习框架完成过多项图像，语音，nlp，搜索相关的人工智能实际项目，研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验，讲课通俗易懂，代码风格简洁清晰。
王老师：计算机博士，深入理解传统的计算机视觉方法与目前主流的深度学习算法，在图像识别、目标检测、图像分割、OCR、人脸识别等方向均进行了丰富的项目实战。熟练使用OpenCV、Tensorflow、Keras等工具。具备丰富的数据挖掘经验，熟悉大数据下的ETL与模型搭建，曾独立负责美团用户信用分评估、敏感身份挖掘、京东金融APP多个模块推荐算法搭建等项目。
【报名咨询】
联系电话：010-62258232 62278113 13718601312 13120125786
联 系 人：李先生 陈小姐
您的位置：
