我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

人工智能（AI）是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力，將深刻改變?nèi)祟惿鐣睿淖兪澜纾瑢τ趯崿F(xiàn)社會生產(chǎn)力新躍升，提高綜合國力和國際競爭力具有重要意義。為了貫徹落實國務院印發(fā)的“新一代人工智能發(fā)展規(guī)劃”精神，推廣人工智能技術。我中心決定舉辦 “人工智能-深度學習技術實戰(zhàn)培訓班”。

培訓方式

本培訓班重視技術基礎，強調(diào)實際應用，采用技術原理與項目實戰(zhàn)相結合的方式進行教學。 通過展示教師的實際科研成果，講述人工智能的技術原理與應用系統(tǒng)開發(fā)方法、人工智能系統(tǒng)開發(fā)工具使用方法。使學員掌握人工智能基礎與專門知識，獲得較強的人工智能應用系統(tǒng)的分析、設計、實現(xiàn)能力。

提供實際的應用案例供學員動手實驗練 。實驗內(nèi)容包括tensorflow2.4/keras2.4環(huán)境構建、圖數(shù)據(jù)庫NEO4J安裝與使用等。

培訓對象

1、政府、企業(yè)、學校IT相關技術人員；碩士及博士研究生。

2、企業(yè)技術總監(jiān)及相關管理人員；

3、人工智能系統(tǒng)架構師、設計與編程人員；

4、對人工智能技術感興趣的其他人員。

培訓內(nèi)容

第一天第一部分：人工智能基礎

1.1 人工智能（AI）概述

1.２ AI研究的主要技術問題

1.３ AI的主要學派

1.４ AI十大應用案例

（１）城市公共資源輔助優(yōu)化配置

（２）臨床醫(yī)療影像輔助診斷

（３）英語聽說考試語音評測

（４）智能供應鏈設計系統(tǒng)

（５）機器翻譯

（６）智能客服機器人

（７）重點人群身份識別

（８）智能網(wǎng)絡視頻云服務

（９）人證比對實名認證

（１０）工業(yè)互聯(lián)網(wǎng)平臺

1.４ 人工智能技術基礎

１.４.１ 搜索與推理技術

１.４.２ 知識表示

第二部分：基于知識的人工智能系統(tǒng)及應用

２.１專家系統(tǒng)概念

２.２專家系統(tǒng)結構

２.３專家系統(tǒng)開發(fā)工具

２.４專家系統(tǒng)設計與實際應用

２.４.１計算機故障診專家系統(tǒng)

２.４.２基于Web與云計算平臺的設備故障診斷專家系統(tǒng)

2.5 規(guī)則引擎與JSR94規(guī)范

2.5.1 規(guī)則引擎產(chǎn)生背景

2.5.2 規(guī)則引擎概念

2.5.3 規(guī)則引擎架構

2.5.4 JSR94 規(guī)范 --Java規(guī)則引擎API

2.5.5 典型規(guī)則引擎

2.5.6 規(guī)則引擎應用案例（信用卡申請）

第二天第三部分：知識圖譜

3.1 知識圖譜概念

3.2 知識圖譜與專家系統(tǒng)

3.3 開放知識圖譜

3.4 知識的提取、表示、存儲與檢索

3.5 知識圖譜在互聯(lián)網(wǎng)金融行業(yè)的應用

3.6 實驗： 基于NEO4j的知識圖譜應用系統(tǒng)

第二天第四部分：基于聯(lián)接的人工智能系統(tǒng)及應用

4.1 神經(jīng)網(wǎng)絡概念

4.2 前饋神經(jīng)網(wǎng)絡算法

4.3 前饋神經(jīng)網(wǎng)絡設計方法

4.4 前饋神經(jīng)網(wǎng)絡實際應用

4.4.1 基于神經(jīng)網(wǎng)絡的煤礦突水預測系統(tǒng)

4.4.2 融合專家系統(tǒng)與神經(jīng)網(wǎng)絡的真空成型機故障診斷系統(tǒng)

第三天第五部分：基于深度學習的人工智能系統(tǒng)及應用

5.1 機器學習概念

5.2 深度學習概念

5.3 卷積積神經(jīng)網(wǎng)絡

5.4 增強學習

5.5 遷移學習

5.6 生成對抗網(wǎng)絡

5.7 主流深度學習框架

5.7.1 TesorFlow 2.4（安裝與實例運行）

5.7.2 Keras2.4 （安裝與實例運行）

5.7.3 pytorch

5.8 基于TesorFlow/keras的深度學習應用系統(tǒng)上機實驗

（1）手寫體數(shù)字識別

（2）時裝識別

（3）情感識別

第六部分：基于深度學習的目標檢測與人臉識別

6.1 目標檢測（object detection）概念

6.2 傳統(tǒng)的目標檢測方法

6.3 基于區(qū)域建議(候選框)的目標識別算法

6.3.1 R-CNN

6.3.2 Fast R-CNN

6.3.3 Faster R-CNN

6.3.4 Feature Pyramid Networks(FPN)-特征金字塔網(wǎng)絡

6.4 YOLO——One-Stage目標檢測算法

6.5 SSD與 Retina-Net

6.6 基于ImageAI 的計算機視覺編程庫

6.9人臉識別關鍵技術概述

6.10人臉檢測算法

6.10.1 人臉檢測算法 MTCNN

6.11 人臉識別算法 - GoogleFaceNet（2015）

6.11 基于MTCNN和facenet實現(xiàn)人臉檢測和人臉識別實驗

張老師

張璟，博士畢業(yè)于西安交通大學電信學院，現(xiàn)為西安理工大學大學計算機學院2級教授，博士生導師，陜西省***專家組專家。

2000年9-12月訪問美國密西根大學、日本大學，2012-2019年先后訪問美國加州大學圣芭芭拉分校、斯坦福大學、克萊姆森大學、喬治亞理工學院。

曾任西安理工大學計算機學院副院長、陜西省信息化專家組專家、陜西省制造業(yè)信息化專家組專家，計算機學院副院長、計算機學科帶頭人，西北工業(yè)大學兼職研究員。1985年以來，主要從事人工智能、因特信息網(wǎng)方面的教學與研究，進行過多個實用人工智能系統(tǒng)、網(wǎng)絡與信息系統(tǒng)的規(guī)劃、設計與開發(fā)。主持完成科研項目35項，其中國家863課題6項、陜西省科技攻關項目2項、企業(yè)委托項目14項。獲省、部級科技獎勵6項。

2010年以來，主要從事云計算、大數(shù)據(jù)、人工智能與深度學習方面的研究開發(fā)與教學。曾用人工智能語言Prolog實現(xiàn)計算機故障診斷專家系統(tǒng)；用C語言實現(xiàn)煤礦突水預測神經(jīng)網(wǎng)絡系統(tǒng)；用專家系統(tǒng)工具Jess工具設計企業(yè)大數(shù)據(jù)平臺；用tensorflow/Keras/Phtyon 實現(xiàn)手寫體數(shù)字識別、電影評價情感識別系統(tǒng)，設計股票預測系統(tǒng)，人臉識別系統(tǒng)。

典型人工智能方面的成果：

1.神經(jīng)網(wǎng)絡專家系統(tǒng)理論及其在煤礦水害預測中的應用,1997年12月獲機械工業(yè)部科技進步三等獎。

2.國家電子類規(guī)劃教材：人工智能基礎，電子工業(yè)出版社，2000年3月。（ISBN 7-5053-5725-5/G.489）

3.實時控制神經(jīng)網(wǎng)絡專家系統(tǒng)結構及推理算法，模式識別與人工智能，第8卷第2期（1995年6月）。

我要報名

在線報名：人工智能-深度學習技術培訓班(北京)

其他城市研發(fā)管理培訓

北京研發(fā)管理培訓 上海研發(fā)管理培訓 廣州研發(fā)管理培訓 深圳研發(fā)管理培訓 蘇州研發(fā)管理培訓 太原研發(fā)管理培訓 海口研發(fā)管理培訓 南昌研發(fā)管理培訓 福州研發(fā)管理培訓