曙海教學優勢
本課程以項目實現為導向,面向企事業項目實際需要,秉承二十一年積累的教學品質，老師將會與您分享設計的全流程以及工具的綜合使用經驗、技巧。線上/線下/上門皆可,課程可定制,熱線:4008699035。
曙海培訓的課程培養了大批受企業歡迎的工程師。曙海培訓的課程在業內有著響亮的知名度。大批企業和曙海
建立了良好的合作關系,合作企業30萬+。
?
| 人工智能基礎、技術及其體系 | 1. 人工智能（Artificial Intelligence，AI）的定義、起源、用途 2. 人工智能的發展歷程與脈絡 3. 人工智能的國家政策解讀 4. 人工智能的技術體系 5. 人工智能的技術框架 6. 中國和美國的人工智能產業和主流人工智能產品 |
| 人工智能的問題求解及技術實現 | 7. 人工智能領域的經典問題和求解方式 8. 機器學習模型和推理符號模型 9. 業界主流的機器學習方法解決人工智能領域的思路 10. 人工智能和大數據 11. 人工智能和機器學習 12. 人工智能和深度學習 |
| 人工智能的學習方式 | 13. 有監督學習訓練 14. 無監督學習訓練 15. 半監督學習訓練 |
| 人工智能的行業應用與發展 | 16. 人工智能的行業圖譜和行業發展剖析 17. 人工智能結合大數據的行業應用案例 18. 人工智能在“互聯網+”領域的應用 19. 人工智能在制造業領域的應用 20. 人工智能在金融、消費領域的應用 21. 人工智能在出行、旅游領域的應用 |
| 部署人工智能實驗平臺 | 22. 部署人工智能實驗操作軟件和環境 23. 運行講師提供的人工智能簡單示例驗證環境的準確性 24. 熟悉實驗資料和實驗環境 |
| 人工智能機器學習的算法模型的應用實踐（1） | 25. 人工智能領域的四大類經典算法模型 26. 神經網絡機器學習算法模型及其應用 27. 決策樹算法模型及其應用 28. 關聯分析算法模型及其應用 29. 聚類分析算法模型及其應用 30. 深度學習算法模型及應用 |
| 人工智能機器學習的算法模型的應用實踐（2） | 31. 樸素貝葉斯算法模型及其應用 32. 邏輯回歸算法模型及其預測應用 33. Python機器學習庫的應用 34. Python Scikit-learn算法庫的使用講解 |
| 人工智能和機器學習的實驗操作 | 35. Python Scikit-learn算法庫的實戰操作 36. 利用Python語言編程，實現分類預測項目 37. 實驗要求準確率、召回率、誤差等指標 |
| 深度學習技術及其應用 | 38. 淺層學習技術及應用 39. 深度學習算法、技模型及應用 40. CNN卷積神經網絡算法模型及應用 41. RNN循環神經網絡算法模型及應用 42. LSTM神經網絡算法模型及應用 43. 深度學習在人臉識別、語音識別領域的解決方案 |
| TensorFlow AI深度學習平臺及其應用實踐（1） | 44. TensorFlow：一個AI深度學習框架的概述 45. TensorFlow架構 46. TensorFlow的安裝、部署、配置 47. TensorFlow的應用場景和應用案例 48. TensorFlow搭建GPU和CPU人工智能集群 49. 基于Tensorflow實現CNN模型應用，以及算法部署，算法調優，處理效率提升之道 50. 基于Tensorflow實現RNN（LSTM）模型應用，以及算法部署，算法調優，處理效率提升之道 |
| TensorFlow AI深度學習平臺及其應用實踐（2） | 51. TensorFlow CNN應用操作 52. TensorFlow RNN應用操作 53. TensorFlow LSTM應用操作 54. TensorFlow在自然語言生成建模案例 55. TensorFlow在圖像識別的實驗操作 |
| Tensorboard AI 深度學習可視化建模工具與模型優化 | 56. Tensorboard簡介 57. Tensorboard可視化和命名空間 58. TensorFlow人工智能建模模型狀態評估與優化 59. Tensorboard的部署、配置和應用編程 60. 利用Tensorboard實現圖像識別操作 61. 利用TensorFlow實現文本挖掘操作 |
| Keras 人工智能平臺應用實踐 | 62. Keras人工智能平臺架構 63. Keras AI平臺的部署與配置 64. Keras技術實現與工作機制 65. Keras序列模式 66. Keras圖像與自然語言應用案例 67. Keras實驗操作：Kaggle圖像比賽與優化案例（選做） |
| 人工智能的產品解決方案 | 68. 圖像處理解決方案 69. 人臉識別解決方案 70. 語音識別解決方案 71. 文本分類解決方案 72. 視頻理解解決方案 |
| 項目實踐 | 73. 人臉識別項目 74. 新聞內容文本分類預測項目 75. 講師提供項目指導手冊，帶著學員完成，學員獨立完成后，講師答疑 |
| 人工智能項目工程師的技能素養 （選講） | 76. 人工智能工程師的必備技術能力 77. 人工智能工程師的必備業務理解能力 78. 人工智能工程師的必備數據洞察能力 79. 人工智能工程師的進階路線和職業素養 |
| 培訓內容綜合、應用完整實踐與咨詢討論 | 80. 根據講師布置的實際應用案例，開展人工智能和大數據完整項目部署設計和應用開發實踐、應用實施以及解決方案分享咨詢與交流討論 |
