北京人工智能工程師培訓(xùn)班

01 人工智能之?dāng)?shù)學(xué)基礎(chǔ)（約6小時(shí)）
1.微積分
2.線性代數(shù)
3.概率論與數(shù)理統(tǒng)計(jì)
02 數(shù)據(jù)庫(kù)基礎(chǔ)——關(guān)系型數(shù)據(jù)庫(kù)（約8小時(shí)）
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(yīng)用案例
03 數(shù)據(jù)庫(kù)基礎(chǔ)——非關(guān)系型數(shù)據(jù)庫(kù)（約5小時(shí)）
1.MongoDB簡(jiǎn)介
2.MongoDB的常用操作
3.MongoDB的使用
4.Python操作MongoDB
04 人工智能之Python基礎(chǔ)篇（約5小時(shí)）
1.Python的安裝與環(huán)境配置
2.Python的基礎(chǔ)與規(guī)范
3.Python的基本對(duì)象類型
4.Python語(yǔ)句
05 人工智能之Python進(jìn)階篇（約5小時(shí)）
1.函數(shù)
2.類與對(duì)象
3.庫(kù)與模塊
4.文件
5.錯(cuò)誤與異常
06 人工智能之機(jī)器學(xué)習(xí)基礎(chǔ)篇（約10小時(shí)）
1.Python機(jī)器學(xué)習(xí)算法庫(kù)Scikit-Learn入門介紹
2.Python統(tǒng)計(jì)分析基礎(chǔ)
3.SVD分解與主成分分析
4.線性回歸算法實(shí)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(shí)現(xiàn)
8.邏輯回歸算法原理與Scikit-Learn實(shí)現(xiàn)
9.貝葉斯算法原理與Scikit-Learn實(shí)現(xiàn)
10.案例：泰坦尼克號(hào)生存預(yù)測(cè)
07 人工智能之機(jī)器學(xué)習(xí)進(jìn)階篇（約20小時(shí)）
1.KNN Z近鄰元素分類器
2.時(shí)間序列模型
3.EM算法
4.聚類分析
5.決策樹(shù)模型的基本原理與Scikit-Learn實(shí)現(xiàn)
6.集成算法入門
7.集成算法的Scikit-Learn實(shí)現(xiàn)
8.感知機(jī)模型基本原理
9.支持向量機(jī)基本原理與Scikit-Learn實(shí)現(xiàn)
10.XgBoost
11.案例：上市公司股價(jià)預(yù)測(cè)
12.案例：客戶風(fēng)險(xiǎn)評(píng)級(jí)
13.大型案例：上市公司營(yíng)收狀況預(yù)測(cè)
08 人工智能之復(fù)雜網(wǎng)絡(luò)分析（約10小時(shí)）
1.圖論
2.復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)性質(zhì)
3.更多類型的網(wǎng)絡(luò)
4.復(fù)雜網(wǎng)絡(luò)的演化
5.復(fù)雜網(wǎng)絡(luò)的功能
6.案例：北京市快速軌道交通的有效性
7.案例：社交網(wǎng)絡(luò)數(shù)據(jù)分析
09 深度學(xué)習(xí)框架Tensorflow（約7小時(shí)）
1.開(kāi)發(fā)環(huán)境搭建
2.Tensorflow基本數(shù)據(jù)結(jié)構(gòu)
3.TensorFlow實(shí)現(xiàn)代碼結(jié)構(gòu)和開(kāi)發(fā)步驟——回歸問(wèn)題
4.TensorFlow深度學(xué)習(xí)基礎(chǔ)--神經(jīng)網(wǎng)絡(luò)——分類問(wèn)題
5.手寫數(shù)字識(shí)別的突破---卷積神經(jīng)網(wǎng)絡(luò)Tensorflow實(shí)現(xiàn)
10 人工智能之深度學(xué)習(xí)基礎(chǔ)篇（約15小時(shí)）
1.AI概述和Tensorflow基礎(chǔ)
2.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.卷積神經(jīng)網(wǎng)絡(luò)
4.RNN和LSTM
收 起獲取詳細(xì)課程大綱
11 人工智能之深度學(xué)習(xí)進(jìn)階篇（約15小時(shí)）
1.神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)(1)
2.神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)(2)
3.遷移學(xué)習(xí)和強(qiáng)化學(xué)習(xí)
4.自然語(yǔ)言處理（NLP）
12 識(shí)文斷字：人工智能實(shí)戰(zhàn)之文本分析（約6小時(shí)）
1.文本分析簡(jiǎn)介
2.文本數(shù)據(jù)預(yù)處理
3.文本分析應(yīng)用與Python語(yǔ)言實(shí)作
13 火眼金睛：人工智能實(shí)戰(zhàn)之圖像識(shí)別（約6小時(shí)）
1.深度學(xué)習(xí)與圖像識(shí)別及經(jīng)典數(shù)據(jù)集
2.圖像識(shí)別的突破--卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
3.使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)經(jīng)典數(shù)據(jù)集cifar進(jìn)行分類識(shí)別
4.使用自己的數(shù)據(jù)集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
14 耳聽(tīng)八方：人工智能實(shí)戰(zhàn)之語(yǔ)音識(shí)別（約5小時(shí)）
1.語(yǔ)音識(shí)別介紹
2.語(yǔ)音技術(shù)分析
3.本地語(yǔ)音識(shí)別
4.網(wǎng)絡(luò)語(yǔ)音識(shí)別
15 運(yùn)籌帷幄：人工智能實(shí)戰(zhàn)之對(duì)抗生成網(wǎng)絡(luò)（約5小時(shí)）
11.GAN簡(jiǎn)介
2.GAN原型詳解
3.DCGAN
4.DiscoGAN
5.半監(jiān)督學(xué)習(xí)
6.知識(shí)匯總與作業(yè)
16 冰雪聰明：人工智能實(shí)戰(zhàn)之智能問(wèn)答系統(tǒng)（約5小時(shí)）
1.從與機(jī)器的溝通方式開(kāi)始
2.對(duì)話：?jiǎn)栴}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(wèn)答助手
5.百科全書(shū)：開(kāi)放式的問(wèn)答系統(tǒng)