人工智能工程师

课程亮点：

垂直专业深度、纵向创新力度、横向知识宽度、课程服务体验

学习目标：

从0学习人工智能知识

课程内容：

"人工智能之数学基础（约6小时）

1.微积分

2.线性代数

3.概率论与数理统计

02

数据库基础——关系型数据库（约8小时）

1.*QL入门及安装

2.数据表及字段操作

3.*QL查询、链接

4.*QL商业应用案例

03

数据库基础——非关系型数据库（约5小时）

1.*****DB简介

2.*****DB的常用操作

3.*****DB的使用

4.****on操作MongoDB

04

人工智能之Python基础篇（约5小时）

1.****on的安装与环境配置

2.****on的基础与规范

3.****on的基本对象类型

4.****on语句

05

人工智能之Python进阶篇（约5小时）

1.函数

2.类与对象

3.库与模块

4.文件

5.错误与异常

06

人工智能之机器学习基础篇（约10小时）

1.****on机器学习算法库Scikit-Learn入门介绍

2.****on统计分析基础

3.*VD分解与主成分分析

4.线性回归算法实现

5.岭回归、Lasso和弹性网

6.判别分析

7.梯度下降算法原理与Scikit-Learn实现

8.逻辑回归算法原理与Scikit-Learn实现

9.贝叶斯算法原理与Scikit-Learn实现

10.案例：泰坦尼克号生存预测

07

人工智能之机器学习进阶篇（约20小时）

1.*NN最近邻元素分类器

2.时间序列模型

3.EM算法

4.聚类分析

5.决策树模型的基本原理与Scikit-Learn实现

6.集成算法入门

7.集成算法的Scikit-Learn实现

8.感知机模型基本原理

9.支持向量机基本原理与Scikit-Learn实现

10******st

11.案例：上市公司股价预测

12.案例：客户风险评级

13.大型案例：上市公司营收状况预测

08

人工智能之复杂网络分析（约10小时）

1.图论

2.复杂网络的拓扑结构性质

3.更多类型的网络

4.复杂网络的演化

5.复杂网络的功能

6.案例：北京市快速轨道交通的有效性

7.案例：社交网络数据分析

09

深度学习框架Tensorflow（约7小时）

1.开发环境搭建

2.T*****flow基本数据结构

3.T*****Flow实现代码结构和开发步骤——回归问题

4.T*****Flow深度学习基础--神经网络——分类问题

5.手写数字识别的突破---卷积神经网络Tensorflow实现

10

人工智能之深度学习基础篇（约15小时）

1.AI概述和Tensorflow基础

2.神经网络结构

3.卷积神经网络

4.*NN和LSTM

收 起获取详细课程大纲

11

人工智能之深度学习进阶篇（约15小时）

1.神经网络算法基础(1)

2.神经网络算法基础(2)

3.迁移学习和强化学习

4.自然语言处理

12

识文断字：人工智能实战之文本分析（约6小时）

1.文本分析简介

2.文本数据预处理

3.文本分析应用与Python语言实作

13

火眼金睛：人工智能实战之图像识别（约6小时）

1.深度学习与图像识别及经典数据集

2.图像识别的突破--卷积神经网络简介

3.使用卷积神经网络对经典数据集cifar进行分类识别

4.使用自己的数据集训练卷积神经网络

14

耳听八方：人工智能实战之语音识别（约5小时）

1.语音识别介绍

2.语音技术分析

3.本地语音识别

4.网络语音识别

15

运筹帷幄：人工智能实战之对抗生成网络（约5小时）

11**AN简介

2.*AN原型详解

3.***AN

4.******AN

5.半监督学习

6.知识汇总与作业

16

冰雪聪明：人工智能实战之智能问答系统（约5小时）

1.从与机器的沟通方式开始

2.对话：问题的理解与答案的生成

3.词典：关键词检索

4.专家：指定领域的问答助手

5.百科全书：开放式的问答系统"