課程內容：
"人工智能之數學基礎（約6小時）
1.微積分
2.線性代數
3.概率論與數理統計
02
數據庫基礎——關系型數據庫（約8小時）
1.*QL入門及安裝
2.數據表及字段操作
3.*QL查詢、鏈接
4.*QL商業應用案例
03
數據庫基礎——非關系型數據庫（約5小時）
1.*****DB簡介
2.*****DB的常用操作
3.*****DB的使用
4.****on操作MongoDB
04
人工智能之Python基礎篇（約5小時）
1.****on的安裝與環境配置
2.****on的基礎與規范
3.****on的基本對象類型
4.****on語句
05
人工智能之Python進階篇（約5小時）
1.函數
2.類與對象
3.庫與模塊
4.文件
5.錯誤與異常
06
人工智能之機器學習基礎篇（約10小時）
1.****on機器學習算法庫Scikit-Learn入門介紹
2.****on統計分析基礎
3.*VD分解與主成分分析
4.線性回歸算法實現
5.嶺回歸、Lasso和彈性網
6.判別分析
7.梯度下降算法原理與Scikit-Learn實現
8.邏輯回歸算法原理與Scikit-Learn實現
9.貝葉斯算法原理與Scikit-Learn實現
10.案例：泰坦尼克號生存預測
07
人工智能之機器學習進階篇（約20小時）
1.*NN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
6.集成算法入門
7.集成算法的Scikit-Learn實現
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
10******st
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
08
人工智能之復雜網絡分析（約10小時）
1.圖論
2.復雜網絡的拓撲結構性質
3.更多類型的網絡
4.復雜網絡的演化
5.復雜網絡的功能
6.案例：北京市快速軌道交通的有效性
7.案例：社交網絡數據分析
09
深度學習框架Tensorflow（約7小時）
1.開發環境搭建
2.T*****flow基本數據結構
3.T*****Flow實現代碼結構和開發步驟——回歸問題
4.T*****Flow深度學習基礎--神經網絡——分類問題
5.手寫數字識別的突破---卷積神經網絡Tensorflow實現
10
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.神經網絡結構
3.卷積神經網絡
4.*NN和LSTM
收 起獲取詳細課程大綱
11
人工智能之深度學習進階篇（約15小時）
1.神經網絡算法基礎(1)
2.神經網絡算法基礎(2)
3.遷移學習和強化學習
4.自然語言處理
12
識文斷字：人工智能實戰之文本分析（約6小時）
1.文本分析簡介
2.文本數據預處理
3.文本分析應用與Python語言實作
13
火眼金睛：人工智能實戰之圖像識別（約6小時）
1.深度學習與圖像識別及經典數據集
2.圖像識別的突破--卷積神經網絡簡介
3.使用卷積神經網絡對經典數據集cifar進行分類識別
4.使用自己的數據集訓練卷積神經網絡
14
耳聽八方：人工智能實戰之語音識別（約5小時）
1.語音識別介紹
2.語音技術分析
3.本地語音識別
4.網絡語音識別
15
運籌帷幄：人工智能實戰之對抗生成網絡（約5小時）
11**AN簡介
2.*AN原型詳解
3.***AN
4.******AN
5.半監督學習
6.知識匯總與作業
16
冰雪聰明：人工智能實戰之智能問答系統（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：關鍵詞檢索
4.專家：指定領域的問答助手
5.百科全書：開放式的問答系統"
魯公網安備37061302000010號
在線客服