一线算法工程师,全程面授指导,让每一位学员高薪就业
课程咨询:180 0058 5380
猎维人工智能培训

人工智能培训课程大纲

学习目标:让你了解什么才是真正的人工智能

人工智能概述

人工智能科普

  • 人工智能概念
  • 人工智能发展历史
  • 人工智能的主要技术
  • 人工智能的主要应用
  • 人工智能的发展前景
  • Python与AI
学习目标:掌握面向对象数据编程技术,为后期的AI学习打下扎实的编程能力

Python部分

Python基础语法

  • Python2.x与3​.x版本区别
  • Python环境搭建
  • 交互式编程与脚本式编程
  • Print()的使用方法
  • 变量
  • 标准数据类型
  • Python中的运算符

Python中的语句和表达式

  • Python 表达式和语句
  • Python 赋值、表达式
  • Python 条件语句
  • Python 循环语句
  • Python 循环控制语句

Python中的函数和模块

  • Python 函数
  • Python 模块

Python面向对象

  • Python 面向对象编程
  • Python 错误和异常

Python文件操作

  • Python 文件操作
  • Python多线程
学习目标:能够解析常用的数据格式,对数据或图片进行标注、旋转、缩放、噪点处理等

框架部分

图片框架

  • PIL
  • Matplotlib
  • OpenCv

计算框架

  • NumPy

数据处理

数据读取

  • XML,JSON

数据标注

  • 标注软件
学习目标:理解数学知识体系在深度学习中的应用,可以读懂深度学习中常用的数学函数公式,能够用Python编程实现常用的数学算法。

数学部分

高等数学

  • 函数
  • 数列
  • 极限
  • 导数
  • 极值和最值
  • 泰勒级数
  • 梯度
  • 实战:梯度下降法

解析几何

  • 点乘
  • 叉乘
  • 点与点、点与面、面与面方程

线性代数

  • 线性代数基本概念
  • 行列式
  • 矩阵
  • 最小二乘法
  • 向量与线性相关性
  • 矩阵的初等变换和秩
  • 线性方程组的解
  • 矩阵特征值
  • 实战:SVG奇异值分解

概率统计

  • 事件
  • 概率
  • 贝叶斯定理
  • 概率分布
  • 期望和方差
  • 参数估计
  • 实践:垃圾邮件分类

凸优化

  • 凸函数
  • 线性规划
  • 非线性规划
  • 连续凸逼近算法

信息论

  • 自信息
  • 互信息
  • 信息熵
  • 条件熵
  • 链式法则与贝叶斯规则
  • 相对熵
  • 交叉熵
学习目标:理解多层感知机的运行过程和原理,并能够搭建多层感知机模型。

深度学习理论部分(一)

MLP模型(一)

  • 机器学习分类
  • 神经网络简介
  • 感知机模型
  • 激活函数
  • 机器学习的过程(有监督)
  • 激活函数的作用和性质
  • 线性可分与线性不可分
  • 多层神经网络

MLP模型(二)

  • BP算法推导
  • 深度学习问题
  • SoftMax与One-Hot
  • TensorFlow入门
  • 实战:搭建全连接网络实现手写体数字图片识别
学习目标:熟练的使用TensorFlow进行神经网络的搭建、训练和调参。

深度学习理论部分(二)

TensorFlow框架深度学习

  • TensorFlow读取数据
  • TensorFlow共享变量
  • TensorBoard
  • 激活函数
  • 损失函数
  • 性能评估
学习目标:可以处理所有的空间问题,如图片、视频等数据,理解卷积、池化,以及反卷积、反池化的过程和原理,并能够搭建相关的卷积网络模型。

深度学习理论部分(三)

CNN卷积神经网络(一)

  • CNN模型介绍
  • 卷积过程(一)
  • 卷积过程(二):padding、空洞、分组
  • 卷积过程(三):卷积图像变化公式、卷积计算量公式

CNN卷积神经网络(二)

  • 池化:最大池化与平均池化、平移不变性
  • BatchNormal
  • 反卷积过程
  • 反池化过程
  • 反卷积设计技巧:信息丢失问题

CNN卷积神经网络(三)

  • 残差网络
  • CNN实战:手写体数字图片识别
  • CNN小项目:追踪小黄人
学习目标:可以处理所有的时间序列问题,如智能应答,智能翻译等,理解循环神经网络RNN和LSTM、GRU的运行过程和原理,能够搭建相关的循环神经网络模型训练和优化。

深度学习理论部分(四)

RNN循环神经网络

  • RNN过程
  • RNN存在的问题:梯度弥散
  • LSTM
  • GRU
  • 实战:手写体数字图片识别

SEQ2SEQ

  • SEQ2SEQ
  • CNN2SEQ
  • 实战:实现验证码识别

注意力机制

  • 注意力机制
学习目标:让神经网络具备创造能力,理解生成式对抗神经网络和其变种网络的原理,并能够搭建变分自编码的网络模型训练和优化。可实现图像生成,语音生成等

深度学习理论部分(五)

VAE变分自编码

  • 稀疏自编码
  • VAE介绍
  • VAE训练过程
  • VAE使用过程
  • 实战:生成手写数字

GAN生成式对抗神经网络

  • GAN介绍
  • GAN训练过程
  • GAN使用过程
  • 实战:使用GAN生成卡通人脸
学习目标:掌握强化学习的训练思想,能够在实际项目中优化项目性能,使神经网络自动实现最优路径规划

深度学习理论部分(六)

DRL深度强化学习

  • 强化学习简介和分类
  • 强化学习模型:DQN\AC
  • 强化学习模型:DDPG
  • 实战:OpenGym游戏
学习目标:熟练的使用PyTorch进行神经网络的搭建、训练和调参。

深度学习理论部分(七)

PyTorch入门

  • PyTorch介绍
  • PyTorch 安装
  • PyTorch 的使用技巧
  • 实战:使用PyTorch搭建CNN网络模型
学习目标:人工智能图像/视觉领域算法工程师所具备的项目实战经验

项目实战(一)

YOLO多物体追踪

  • 目前行业应用最广泛的商业级多目标追踪模型,主要作用是对一个区域内的多种物体进行追踪。已经用于商业领域的案例有公安方面的追逃嫌疑车辆或嫌疑人等,通过对嫌疑车辆和嫌疑人的追踪,确定出嫌疑车辆或嫌疑人的逃逸轨迹,从而部署抓捕方案路线。也有用于对拥堵路段进行车流量或人流量的监控,从而智能调整交通信号,进行有效交通疏导等等。YOLO的最大特点就是速度快、追踪位置准确。能够使用于实时监控和追踪目标。

CenterLoss图像识别

  • 图像的识别比对,目前商用的人脸识别都是基于CenterLoss的识别,CenterLoss上的主要作用是把海量的不同人脸能够迅速的分开,并且确认人脸。它只需要“看过”一次这个人的人脸,下一回就能认出这个人。CenterLoss在大量的人脸识别方面的效率要高于人类。此外,CenterLoss不仅仅只是人脸识别,也可对其他外形很相似的物体进行识别。

Mask-RCNN图像分割

  • 主要用于迅速自动“抠图”,就行PS一样,但是PS需要人手动去把要抠取的图像边缘描绘出来,才能够抠取,但是基于Mask-RCNN的图像分割会自动把目标图像和周围的图像区分出来,然后再“抠取”出来。应用领域广泛,比如基于人类行为的动作识别,可以用于体育运动、学生行为识别等等,或者基于医学影像的肿瘤分割,器官分割等等。

DCGAN图像补全

  • 主要技术是基于生成式对抗神经网络,随便给出一个“空白”图像,让它去学习另外一张有风景、人物或其他物体的图像,简单点描述,就像鹦鹉学舌,虽然能够说出简单的人类话语,但是很明显不是人在说话。图像补全也是一样,被补全的部分会很自然的和原有部分结合,毫无违和感,但是不是原有的丢失部分的原图,这就相当于AI帮我们创造了一个新的部分。图像补全主要用于具有创意性的行业方向。
学习目标:语音识别算法工程师自然语义处理算法工程师强化学习算法工程师

项目实战(二)

语音唤醒

  • 语音唤醒主要是利用基于LSTM技术实现,让机器学会理解人类的语音含义,从而和人类进行语音对话。语音识别还能够可以根据特定的关键词,来控制设备状态,如AI音箱,手机语音助手,智能管件等。应用领域可以说已经涵盖了人类生活的方方面面。

聊天机器人

  • 主要基于NPL自然语义处理技术,让机器学会理解人类文字语言中的含义。最终可以和人类进行文字语言对话。基于NLP技术的网络模型也可以在人类的“指引”下,独立写一些简单的文章,或者对文章进行翻译、写摘要等等。应用非常广泛,如智能客服,微软小冰,自动翻译等。

AlphaGo Zero下五子棋

  • 主要技术是基于强化学习技术,强化学习主要用于解决路径规划的问题,从一个点到另外一个点,神经网络会选出最“适合”的路径。很显然,训练五子棋进行对弈,就是基于路径规划的问题。强化学习的应该非常值得关注,比如自动驾驶、无人仓储、机械工作方面的很多应用都有强化学习的技术。

MTCNN

  • 人脸追踪识别:人脸追踪识别项目主要应用的技术是Mtcnn,项目的定位主要是用来对单目标的侦测和识别,其市场应用有人脸追踪识别、车辆追踪识别、无人机追踪识别等。商业价值体现在公安安监、追捕嫌疑人和车辆、军方反无人机等系统上。
学习目标:基于国内人工智能行业排名前20名企业面试真题和扩展题型

面试指导

面试习题讲解

  • 机器学习
  • 深度学习基础
  • 深度学习图像领域
  • 深度学习语音语义领域
  • 深度强化学习