西安國(guó)富如荷教育
培訓(xùn)：CDA數(shù)據(jù)分析、Python數(shù)據(jù)分析、AI 人工智能、金融數(shù)據(jù)分析
全國(guó)統(tǒng)一咨詢(xún)電話(huà)
4006-303-880
培訓(xùn)：CDA數(shù)據(jù)分析、Python數(shù)據(jù)分析、AI 人工智能、金融數(shù)據(jù)分析
人工智能是一門(mén)極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)等。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺(jué)等等，如果您感興趣就來(lái)國(guó)富如荷教育，西安國(guó)富人工智能工程師培訓(xùn)班，專(zhuān)為想轉(zhuǎn)行從事人工智能行業(yè)又沒(méi)有基礎(chǔ)的等人群開(kāi)設(shè)，想了解跟多課程詳情請(qǐng)往下看。
零基礎(chǔ)學(xué)員或是想轉(zhuǎn)行的人群
周一到周五8-17點(diǎn)
視頻課+面授
垂直專(zhuān)業(yè)深度、縱向創(chuàng)新力度、橫向知識(shí)寬度、課程服務(wù)體驗(yàn)
從0學(xué)習(xí)人工智能知識(shí)
| 授課章節(jié) | 授課內(nèi)容 |
|---|---|
| 第一章 | 人工智能之?dāng)?shù)學(xué)基礎(chǔ)（約6小時(shí)） 1.微積分 2.線(xiàn)性代數(shù) 3.概率論與數(shù)理統(tǒng)計(jì) |
| 第二章 | 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(mén)及安裝 2.數(shù)據(jù)表及字段操作 3.SQL查詢(xún)、鏈接 4.SQL商業(yè)應(yīng)用案例 |
| 第三章 | 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 |
| 第四章 | 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(lèi)型 4.Python語(yǔ)句 |
| 第五章 | 人工智能之Python進(jìn)階篇（約5小時(shí)） 1.函數(shù) 2.類(lèi)與對(duì)象 3.庫(kù)與模塊 4.文件 5.錯(cuò)誤與異常 |
| 第六章 | 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(mén)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(xiàn)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) |
| 第七章 | 人工智能之機(jī)器學(xué)習(xí)進(jìn)階篇（約20小時(shí)） 1.KNN最近鄰元素分類(lèi)器 2.時(shí)間序列模型 3.EM算法 4.聚類(lèi)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(mén) 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(hù)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) |
| 第八章 | 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(lèi)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：西安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 |
| 第九章 | 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(lèi)問(wèn)題 5.手寫(xiě)數(shù)字識(shí)別的突破---卷積神經(jīng)網(wǎng)絡(luò)Tensorflow實(shí)現(xiàn) |
| 第十章 | 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 |
| 第十一章 | 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） |
| 第十二章 | 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 |
| 第十三章 | 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(lèi)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) |
| 第十四章 | 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 |
| 第十五章 | 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) |
| 第十六章 | 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(huà)：?jiǎn)栴}的理解與答案的生成 3.詞典：關(guān)鍵詞檢索 4.專(zhuān)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) |
