人工智能：机器学习和深度学习+机器学习和深度学...课程特色与背景

    在国家发展的新时代，产业战略已经向创新驱动转移，从而迎接全球新一轮科技革命与产业变革的重大机遇和挑战，在这个过程中，人工智能异军突起，成为新时代的创新突破口。由于人工智能技术的领域普遍性，大批在第一线工作的技术人员需要更新知识，学习人工智能理论与实践，从而在自己的领域中实现跨越式创新。

    培训要点

    随着国家在人工智能领域的战略布局，人工智能已经应用于各个方面：专家系统、自动推理、图像识别、模式识别、语音识别、自然语言理解、指纹识别、人脸识别、无人驾驶、推荐系统、社交网络、计算机视觉、智能机器人等。但是，有没有一种方法能迅速把握精髓，从而更快的进入人工智能的广阔天地呢？

    本次培训采用深入理论+浅出实践相结合的模式。在理论上，精选最关键最重要的理论，为进一步获取相关知识打下基础。在实践上，精选目前比较有启发性的案例，既帮助我们理解理论，更能帮助我们开阔思路，为研发相关领域的人工智能系统，提供一条思考脉络。

培训目的

1、深层次掌握人工智能理论，到达人工智能的突破口，探知最核心的秘密。

2、理论应用于实际项目，不只是了解，更在于掌握。

3、把握人工智能的新应用，理解时代趋势，不再为了人工智能而人工智能。

4、一个交流探讨的高级别平台。

课程大纲

第一讲 人工智能简介

1.1 什么是人工智能

1.2 为什么要人工智能

1.3 人工智能的发展简史

1.4 人工智能的现实案例举例

第二讲 最优分类面和支持向量机

2.1 什么是最优分类面

2.2 支持向量机的本质是什么

2.3 支持向量机在线性不可分时怎么办

2.4 支持向量机中核函数如何选择

2.5 支持向量机在车牌识别中的应用案例

第三讲 决策树

31 什么是非数值特征

3.2 为什么要引入决策树

3.3 如何设计决策树

3.4 如何构造随机森林

3.5 决策树在医疗系统中的应用案例

第四讲 深度学习之始：人工神经网络

4.1 人工神经网络的设计动机是什么

4.2 单个神经元的功能

4.3 人工神经网络的优化以及误差逆传播（BP）算法

4.4 人工神经网络中需要注意的问题

4.5 人工神经网络在表情识别、流量预测中的应用案例

第五讲 深度学习中的技巧和注意事项

5.1 深度学习中过学习问题的处理

5.2 如何选择损失函数

5.3 如何并行化

5.4 如何解决深度学习中梯度消失问题

5.5 如何选择激励函数

5.6 权值衰减、Dropout以及新的网络架构

第六讲 卷积神经网络

6.1 卷积以及卷积网络的概念

6.2 为什么在使用卷积网络

6.3 卷积网络的结构设计

6.4 卷积网络在围棋中的应用

6.5 卷积神经网络在图像识别中的应用案例

第七讲 循环神经网络

7.1 为什么要使用循环神经网络

7.2 1-of-N编码

7.3 循环神经网络的介绍

7.4 长短期记忆网络

7.5 长短期记忆网络在自然语言处理中的应用案例

第八讲 人工智能未来展望

8.1 监督学习中的新应用

8.2 强制学习中的新应用

8.3 非监督学习中的新应用

8.4 DeepMind介绍

第九讲 使用支持向量机进行车牌识别

第十讲 使用深度学习进行手写体识别、人脸识别以及自然语言处理

第十一讲 机器学习项目进阶加深：实现与改进

1，支持向量机实现车牌识别：案例实现与分析改进

车牌数据预处理以及要注意的问题

特征提取及特征选择

单特征识别模型搭建

特征融合实现、改进及注意的问题

实现车牌识别全流程自动化的关键改进

2，决策树实现银行客户贷款风险预测：案例实现与分析改进

决策树的模型搭建

如何选择决策树的分裂属性以及深层次思考

如何根据测试结果进行决策树的优化

决策树中的剪枝实现

随机森林的实现及注意事项

3，讨论互动：学员提出问题并进行相互讨论

4，案例总结：萃取案例中的经验并进行推广应用

第十二讲  深度学习项目进阶加深：实现与改进

1，卷积神经网络实现人脸识别：案例实现与分析改进

网络搭建

如何根据结果进行网络结构调整（逐步讲解与分析）

如何根据结果进行参数调整（逐步讲解与分析）

最终的参数如何确定（不在是混乱尝试，而是深层次理解参数的含义）

2，卷积神经网络实现手写体识别：案例实现与分析改进

网络搭建（注意与人脸识别案例的对比）

如何根据结果进行网络结构调整（注意与人脸识别案例的对比）

如何根据结果进行参数调整（注意与人脸识别案例的对比）

最终的参数如何确定（注意与人脸识别案例的对比）

3，循环神经网络实现客户评价分类：案例实现与分析改进

网络搭建

如何根据结果进行网络结构调整

如何根据结果进行参数调整

最终的参数如何确定

4，讨论互动：学员提出问题并进行相互讨论

5，案例总结：萃取案例中的经验并进行推广应用。

课程主讲

    司老师  

    清华大学博士，人工智能方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在机器学习和模式识别领域顶级期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是人工智能、深度学习、机器学习和图像处理和模式识别领域的实战派专家。

课程对象

    架构师、分析师、项目经理、高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师以及未来可能从事人工智能研发的技术人员。

备注

课程费用：8折优惠9680元/人（原价：12100元/人），含教材、证书、午餐、学习用具等。住宿协助安排，费用自理。