人工智能是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新技術(shù)科學。人工智能領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
零基礎學員或是想轉(zhuǎn)行的人群
周一到周五8-17點
視頻課+面授
垂直專業(yè)深度、縱向創(chuàng)新力度、橫向知識寬度、課程服務體驗
從0學習人工智能知識
| 授課章節(jié) | 授課內(nèi)容 |
|---|---|
| 第一章 | 人工智能之數(shù)學基礎（約6小時） 1.微積分 2.線性代數(shù) 3.概率論與數(shù)理統(tǒng)計 |
| 第二章 | 數(shù)據(jù)庫基礎——關(guān)系型數(shù)據(jù)庫（約8小時） 1.SQL入門及安裝 2.數(shù)據(jù)表及字段操作 3.SQL查詢、鏈接 4.SQL商業(yè)應用案例 |
| 第三章 | 數(shù)據(jù)庫基礎——非關(guān)系型數(shù)據(jù)庫（約5小時） 1.MongoDB簡介 2.MongoDB的常用操作 3.MongoDB的使用 4.Python操作MongoDB |
| 第四章 | 人工智能之Python基礎篇（約5小時） 1.Python的安裝與環(huán)境配置 2.Python的基礎與規(guī)范 3.Python的基本對象類型 4.Python語句 |
| 第五章 | 人工智能之Python進階篇（約5小時） 1.函數(shù) 2.類與對象 3.庫與模塊 4.文件 5.錯誤與異常 |
| 第六章 | 人工智能之機器學習基礎篇（約10小時） 1.Python機器學習算法庫Scikit-Learn入門介紹 2.Python統(tǒng)計分析基礎 3.SVD分解與主成分分析 4.線性回歸算法實現(xiàn) 5.嶺回歸、Lasso和彈性網(wǎng) 6.判別分析 7.梯度下降算法原理與Scikit-Learn實現(xiàn) 8.邏輯回歸算法原理與Scikit-Learn實現(xiàn) 9.貝葉斯算法原理與Scikit-Learn實現(xiàn) 10.案例：泰坦尼克號生存預測 |
| 第七章 | 人工智能之機器學習進階篇（約20小時） 1.KNN最近鄰元素分類器 2.時間序列模型 3.EM算法 4.聚類分析 5.決策樹模型的基本原理與Scikit-Learn實現(xiàn) 6.集成算法入門 7.集成算法的Scikit-Learn實現(xiàn) 8.感知機模型基本原理 9.支持向量機基本原理與Scikit-Learn實現(xiàn) 10.XgBoost 11.案例：上市公司股價預測 12.案例：客戶風險評級 13.大型案例：上市公司營收狀況預測 |
| 第八章 | 人工智能之復雜網(wǎng)絡分析（約10小時） 1.圖論 2.復雜網(wǎng)絡的拓撲結(jié)構(gòu)性質(zhì) 3.更多類型的網(wǎng)絡 4.復雜網(wǎng)絡的演化 5.復雜網(wǎng)絡的功能 6.案例：鄭州市快速軌道交通的有效性 7.案例：社交網(wǎng)絡數(shù)據(jù)分析 |
| 第九章 | 深度學習框架Tensorflow（約7小時） 1.開發(fā)環(huán)境搭建 2.Tensorflow基本數(shù)據(jù)結(jié)構(gòu) 3.TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——回歸問題 4.TensorFlow深度學習基礎--神經(jīng)網(wǎng)絡——分類問題 5.手寫數(shù)字識別的突破---卷積神經(jīng)網(wǎng)絡Tensorflow實現(xiàn) |
| 第十章 | 人工智能之深度學習基礎篇（約15小時） 1.AI概述和Tensorflow基礎 2.神經(jīng)網(wǎng)絡結(jié)構(gòu) 3.卷積神經(jīng)網(wǎng)絡 4.RNN和LSTM 收 起獲取詳細課程大綱 |
| 第十一章 | 人工智能之深度學習進階篇（約15小時） 1.神經(jīng)網(wǎng)絡算法基礎(1) 2.神經(jīng)網(wǎng)絡算法基礎(2) 3.遷移學習和強化學習 4.自然語言處理（NLP） |
| 第十二章 | 識文斷字：人工智能實戰(zhàn)之文本分析（約6小時） 1.文本分析簡介 2.文本數(shù)據(jù)預處理 3.文本分析應用與Python語言實作 |
| 第十三章 | 火眼金睛：人工智能實戰(zhàn)之圖像識別（約6小時） 1.深度學習與圖像識別及經(jīng)典數(shù)據(jù)集 2.圖像識別的突破--卷積神經(jīng)網(wǎng)絡簡介 3.使用卷積神經(jīng)網(wǎng)絡對經(jīng)典數(shù)據(jù)集cifar進行分類識別 4.使用自己的數(shù)據(jù)集訓練卷積神經(jīng)網(wǎng)絡 |
| 第十四章 | 耳聽八方：人工智能實戰(zhàn)之語音識別（約5小時） 1.語音識別介紹 2.語音技術(shù)分析 3.本地語音識別 4.網(wǎng)絡語音識別 |
| 第十五章 | 運籌帷幄：人工智能實戰(zhàn)之對抗生成網(wǎng)絡（約5小時） 11.GAN簡介 2.GAN原型詳解 3.DCGAN 4.DiscoGAN 5.半監(jiān)督學習 6.知識匯總與作業(yè) |
| 第十六章 | 冰雪聰明：人工智能實戰(zhàn)之智能問答系統(tǒng)（約5小時） 1.從與機器的溝通方式開始 2.對話：問題的理解與答案的生成 3.詞典：關(guān)鍵詞檢索 4.專家：指定領(lǐng)域的問答助手 5.百科全書：開放式的問答系統(tǒng) |
1. 提高效率：AI系統(tǒng)可以自動執(zhí)行許多任務，從而提高生產(chǎn)力和效率，減少人力成本。
2. 處理大量數(shù)據(jù)：AI技術(shù)可以快速處理和分析大量數(shù)據(jù)，幫助我們從中發(fā)現(xiàn)有價值的信息和模式。
3. 無人值守操作：AI系統(tǒng)可以在無人值守的情況下持續(xù)工作，例如，在危險環(huán)境中執(zhí)行任務或在非工作時間提供服務。
4. 減少人為錯誤：AI系統(tǒng)不受人類情緒和疲勞的影響，可以減少人為錯誤，提高準確性和可靠性。
5. 個性化服務：AI技術(shù)可以根據(jù)用戶的需求和行為提供個性化的推薦和服務，提高用戶滿意度。
6. 創(chuàng)新和發(fā)現(xiàn)：AI技術(shù)可以幫助我們發(fā)現(xiàn)新的知識和創(chuàng)新，例如，在科學研究、藥物開發(fā)和創(chuàng)意產(chǎn)業(yè)等領(lǐng)域。
7. 輔助決策：AI系統(tǒng)可以分析復雜的數(shù)據(jù)和情景，為我們提供有價值的見解和建議，幫助我們做出更好的決策。
8. 普及教育和醫(yī)療資源：AI技術(shù)可以讓更多人獲得高質(zhì)量的教育和醫(yī)療資源，提高全球的福祉水平。
9. 無障礙服務：AI技術(shù)可以幫助殘疾人士更好地融入社會，例如，通過語音識別和自動駕駛等技術(shù)提供無障礙服務。
10. 環(huán)境保護：AI技術(shù)可以幫助我們更好地監(jiān)測和管理環(huán)境資源，例如，通過智能能源管理系統(tǒng)減少能源消耗，或通過遙感技術(shù)監(jiān)測森林砍伐等活動。
總之，人工智能為我們的生活和工作帶來了諸多便利和機遇，但我們也需要關(guān)注其潛在的風險和挑戰(zhàn)，確保AI技術(shù)可持續(xù)、安全和公平地為人類服務。
CDA數(shù)據(jù)分析師培訓，深耕數(shù)據(jù)人才教育多年，致力于打造數(shù)據(jù)人才多方位學習平臺，匯聚好的學習資源，助力數(shù)據(jù)人才找到好工作，目前，CDA已與國內(nèi)100多所好校進行了戰(zhàn)略合作，建立了CDA數(shù)據(jù)分析師考試中心及人才培養(yǎng)基地；已出版30多本CDA數(shù)據(jù)分析師系列叢書，市場發(fā)行量數(shù)萬冊；已進行500多期線上線下數(shù)據(jù)分析及大數(shù)據(jù)培訓課程，培養(yǎng)學員眾多。
點擊咨詢
