人工智能深度學習技術培訓

人工智能深度學習技術培訓課程/講師盡在人工智能深度學習技術培訓專題,人工智能深度學習技術培訓公開課北上廣深等地每月開課！人工智能深度學習技術培訓在線直播課程（免費試聽）。專家微信18749492090，講師手機13522550408，百度搜索“交廣國際管理咨詢”了解更多。

培訓內容
第一部分：人工智能基礎
1.1　人工智能（AI）概述
1.２　AI研究的主要技術問題
1.３　AI的主要學派
1.４　AI十大應用案例
（１）城市公共資源輔助優化配置
（２）臨床醫療影像輔助診斷
（３）英語聽說考試語音評測
（４）智能供應鏈設計系統
（５）機器翻譯
（６）智能客服機器人
（７）重點人群身份識別
（８）智能網絡視頻云服務
（９）人證比對實名認證
（１０）工業互聯網平臺
1.４　人工智能技術基礎
１.４.１　搜索與推理技術
１.４.２　知識表示

第二部分：基于知識的人工智能系統及應用
２.１專家系統概念
２.２專家系統結構
２.３專家系統開發工具
２.４專家系統設計與實際應用
２.４.１計算機故障診專家系統
２.４.２基于Web與云計算平臺的設備故障診斷專家系統
2.5 規則引擎與JSR94規范
2.5.1 規則引擎產生背景
2.5.2 規則引擎概念
2.5.3 規則引擎架構
2.5.4 JSR94 規范 –Java規則引擎API
2.5.5 典型規則引擎
2.5.6 規則引擎應用案例（信用卡申請）

第三部分：知識圖譜
3.1 知識圖譜概念
3.2 知識圖譜與專家系統
3.3 開放知識圖譜
3.4 知識的提取、表示、存儲與檢索
3.5 知識圖譜在互聯網金融行業的應用
3.6 實驗： 基于NEO4j的知識圖譜應用系統

第四部分：基于聯接的人工智能系統及應用
4.1　神經網絡概念
4.2　前饋神經網絡算法
4.3　前饋神經網絡設計方法
4.4　前饋神經網絡實際應用
4.4.1　基于神經網絡的煤礦突水預測系統
4.4.2　融合專家系統與神經網絡的真空成型機故障診斷系統

第五部分：基于深度學習的人工智能系統及應用
5.1　機器學習概念
5.2　深度學習概念
5.3　卷積積神經網絡
5.4 增強學習
5.5 遷移學習
5.6 生成對抗網絡
5.7 主流深度學習框架
5.7.1 TesorFlow 2.4（安裝與實例運行）
5.7.2 Keras2.4 （安裝與實例運行）
5.7.3 pytorch 5.8 基于TesorFlow/keras的深度學習應用系統上機實驗
（1）手寫體數字識別
（2）時裝識別
（3）情感識別

第六部分：基于深度學習的目標檢測與人臉識別
6.1 目標檢測（object detection）概念
6.2 傳統的目標檢測方法
6.3 基于區域建議(候選框)的目標識別算法
6.3.1 R-CNN
6.3.2 Fast R-CNN
6.3.3 Faster R-CNN
6.3.4 Feature Pyramid Networks(FPN)-特征金字塔網絡
6.4 YOLO——One-Stage目標檢測算法
6.5 SSD與 Retina-Net
6.6 基于ImageAI 的計算機視覺編程庫
6.7人臉識別關鍵技術概述
6.8人臉檢測算法
6.9 人臉檢測算法 MTCNN
6.10人臉識別算法 – Google?FaceNet（2015）
6.11 基于MTCNN和facenet實現人臉檢測和人臉識別實驗