人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學等。人工智能是包括十分廣泛的科學，它由不同的領(lǐng)域組成，如機器學習，計算機視覺等等，如果您感興趣就來國富如荷教育，廣州國富人工智能工程師培訓班，專為想轉(zhuǎn)行從事人工智能行業(yè)又沒有基礎(chǔ)的等人群開設(shè)，想了解跟多課程詳情請往下看。
零基礎(chǔ)學員或是想轉(zhuǎn)行的人群
周一到周五8-17點
視頻課+面授
垂直專業(yè)深度、縱向創(chuàng)新力度、橫向知識寬度、課程服務(wù)體驗
從0學習人工智能知識
| 授課章節(jié) | 授課內(nèi)容 |
|---|---|
| 第一章 | 人工智能之數(shù)學基礎(chǔ)（約6小時） 1.微積分 2.線性代數(shù) 3.概率論與數(shù)理統(tǒng)計 |
| 第二章 | 數(shù)據(jù)庫基礎(chǔ)——關(guān)系型數(shù)據(jù)庫（約8小時） 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 |
| 第三章 | 數(shù)據(jù)庫基礎(chǔ)——非關(guān)系型數(shù)據(jù)庫（約5小時） 1.MongoDB簡介 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） 1.Python的安裝與環(huán)境配置 2.Python的基礎(chǔ)與規(guī)范 3.Python的基本對象類型 4.Python語句 |
| 第五章 | 人工智能之Python進階篇（約5小時） 1.函數(shù) 2.類與對象 3.庫與模塊 4.文件 5.錯誤與異常 |
| 第六章 | 人工智能之機器學習基礎(chǔ)篇（約10小時） 1.Python機器學習算法庫Scikit-Learn入門介紹 2.Python統(tǒng)計分析基礎(chǔ) 3.SVD分解與主成分分析 4.線性回歸算法實現(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實現(xiàn) 8.邏輯回歸算法原理與Scikit-Learn實現(xiàn) 9.貝葉斯算法原理與Scikit-Learn實現(xiàn) 10.案例：泰坦尼克號生存預(yù)測 |
| 第七章 | 人工智能之機器學習進階篇（約20小時） 1.KNN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(xiàn) 6.集成算法入門 7.集成算法的Scikit-Learn實現(xiàn) 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(xiàn) 10.XgBoost 11.案例：上市公司股價預(yù)測 12.案例：客戶風險評級 13.大型案例：上市公司營收狀況預(yù)測 |
| 第八章 | 人工智能之復(fù)雜網(wǎng)絡(luò)分析（約10小時） 1.圖論 2.復(fù)雜網(wǎng)絡(luò)的拓撲結(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：廣州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 | 深度學習框架Tensorflow（約7小時） 1.開發(fā)環(huán)境搭建 2.Tensorflow基本數(shù)據(jù)結(jié)構(gòu) 3.TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——回歸問題 4.TensorFlow深度學習基礎(chǔ)--神經(jīng)網(wǎng)絡(luò)——分類問題 5.手寫數(shù)字識別的突破---卷積神經(jīng)網(wǎng)絡(luò)Tensorflow實現(xiàn) |
| 第十章 | 人工智能之深度學習基礎(chǔ)篇（約15小時） 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 起獲取詳細課程大綱 |
| 第十一章 | 人工智能之深度學習進階篇（約15小時） 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.遷移學習和強化學習 4.自然語言處理（NLP） |
| 第十二章 | 識文斷字：人工智能實戰(zhàn)之文本分析（約6小時） 1.文本分析簡介 2.文本數(shù)據(jù)預(yù)處理 3.文本分析應(yīng)用與Python語言實作 |
| 第十三章 | 火眼金睛：人工智能實戰(zhàn)之圖像識別（約6小時） 1.深度學習與圖像識別及經(jīng)典數(shù)據(jù)集 2.圖像識別的突破--卷積神經(jīng)網(wǎng)絡(luò)簡介 3.使用卷積神經(jīng)網(wǎng)絡(luò)對經(jīng)典數(shù)據(jù)集cifar進行分類識別 4.使用自己的數(shù)據(jù)集訓練卷積神經(jīng)網(wǎng)絡(luò) |
| 第十四章 | 耳聽八方：人工智能實戰(zhàn)之語音識別（約5小時） 1.語音識別介紹 2.語音技術(shù)分析 3.本地語音識別 4.網(wǎng)絡(luò)語音識別 |
| 第十五章 | 運籌帷幄：人工智能實戰(zhàn)之對抗生成網(wǎng)絡(luò)（約5小時） 11.GAN簡介 2.GAN原型詳解 3.DCGAN 4.DiscoGAN 5.半監(jiān)督學習 6.知識匯總與作業(yè) |
| 第十六章 | 冰雪聰明：人工智能實戰(zhàn)之智能問答系統(tǒng)（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(guān)鍵詞檢索 4.專家：指定領(lǐng)域的問答助手 5.百科全書：開放式的問答系統(tǒng) |
1、機器學習：這是AI的一個核心領(lǐng)域，它的目標是讓機器能夠從數(shù)據(jù)中學習，并根據(jù)學到的知識做出預(yù)測或決策。
2、自然語言處理：這個領(lǐng)域的目標是讓機器能夠理解和生成人類的語言。
3、計算機視覺：這個領(lǐng)域的目標是讓機器能夠理解和解析圖像和視頻數(shù)據(jù)。
4、語音識別：這個領(lǐng)域的目標是讓機器能夠理解和生成人類的語音。
5、機器人技術(shù)：這個領(lǐng)域的目標是讓機器能夠在物理世界中執(zhí)行任務(wù)，例如，自動駕駛汽車和家庭服務(wù)機器人。
6、知識表示和推理：這個領(lǐng)域的目標是讓機器能夠理解和表示知識，以及根據(jù)這些知識進行邏輯推理。
7、強化學習：這是一種機器學習的方法，它的目標是讓機器通過試錯的方式學習如何在環(huán)境中實現(xiàn)目標。
總之，人工智能作為一項通用技術(shù)，正逐步與各行業(yè)相結(jié)合，推動行業(yè)的創(chuàng)新與發(fā)展。
CDA數(shù)據(jù)分析師品牌，截止2018年底，CDA已與國內(nèi)多所高校進行了戰(zhàn)略合作，搭建大數(shù)據(jù)實驗室與共建專業(yè)；已出版14本CDA數(shù)據(jù)分析師系列叢書，市場發(fā)行量數(shù)萬冊；已進行100多期數(shù)據(jù)分析及大數(shù)據(jù)系統(tǒng)培訓課程，培養(yǎng)學員超過40000多名；已舉辦九屆全國數(shù)據(jù)分析師認證考試，持證人數(shù)千人；已開展了四屆數(shù)據(jù)分析師行業(yè)峰會（CDA SUMMIT），每屆參會人數(shù)逾3千人。2016，CDA研究院加入由工信部指導(dǎo)下的“大數(shù)據(jù)生態(tài)產(chǎn)業(yè)聯(lián)盟”理事會成員，分管教育事業(yè)。2017，CDA與工信部賽迪達成戰(zhàn)略合作，被評為”大數(shù)據(jù)*培訓機構(gòu)“；2018，CDA入選教育部產(chǎn)學合作協(xié)同育人項目。
