中科图云收起
- 北京6月kubernetes容器GPU并行编程第三期研讨会
- 基于GPU加速的大规模格点量子色动力学计算
- 第三届数据智能前沿论坛（2020）
- 高性能稀疏矩阵算法调优及应用论坛
- “人工智能师资班”（Python机器学习，图像识别与深度学习，深度学习与NLP，知识图谱，强化学习）
- 北京12月大数据建模与分析挖掘实战
- 全国高校开展学术研究速成班线上直播培训
- 4月Python人工智能之Pytorch深度学习高级实战远程直播研修班
- 北京12月软件架构与案例分析高级培训
- 北京12月机房运维建设与管理高级培训班
- 成都12月信息网络安全高级培训
- 北京12月AI人工智能技术及应用
- 2020计算机体系结构国重第二届前沿高峰论坛
- GPU并行编程C/C++,Matlab，Python北京12月多语言框架高性能课程
- 2019年天河系列超级计算机应用技术培训交流会
- 重庆10月AI HPC--强化学习与GPU并行编程高级实操班
- 内蒙8月高性能计算应用解决方案实战培训进阶班
- 2021计算机体系结构国重第三届前沿高峰论坛
微信扫码看直播
活动内容收起
为进一步推动高等院校人工智能教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将人工智能最新实训内容带入课堂，特举办“人工智能系列课程理论与实践”培训班。
本次培训分为Python机器学习，图像识别与深度学习，深度学习与NLP，知识图谱和强化学习五大专题。本次培训由权威专家主讲，提供实验环境及实验数据，并提供配套资料，通过剖析工程案例展现机器学习、深度学习落地全过程。
培训暂定2021年1月5日开始，每个专题6天左右，一共28天，直播集训。本次培训由浅入深，面向0基础、不懂机器学习、不具备任何Python基础的老师和同学。支持信用卡、公务卡、对公转账，提供发票（培训费、会议费、会务费）
颁发证书：参加相关培训的学员可以获得：工业和信息化部颁发《机器学习》、《深度学习》、《强化学习》《知识图谱》等培训证书。该证书可在工信部相关网站查询，可作为能力评价、考核和任职的重要依据。考试及证书费用（可选）： 500 元/人
培训形式：线上直播，
时间
2021.1.5-2021.2.1 每晚19:30-22:00
一、培训安排
时间安排 | 培训内容 | 培训时间 | 价格 |
1月5日—1月9日 | Python机器学习 |
每晚 19:30-22:00 | 报名一门课程： 2980元/人 报名全部课程： 原价14900元/人 现价：5980元/人
|
1月10日—1月15日 | 图像识别与深度学习 | ||
1月16日—1月21日 | 深度学习与NLP | ||
1月22日—1月26日 | 知识图谱 | ||
1月27日—2月1日 | 强化学习 |
二、主讲人
邹博（邹伟），睿客邦创始人，华东建筑设计研究院研究员、山东交通学院客座教授、硕士生导师，南昌航空大学双师型教师、中国软件行业协会专家委员、上海市计划生育科学研究所特聘专家、天津大学创业导师、中国医药教育协会老年运动与健康分会学术委员、《聊城大学学报》编委；睿客邦当前进入发展第4年，已经与全国十多所高校建立了AI联合实验室，完成和在研50多个AI工业项目，广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。
有疑问可咨询：
13643136553或邮件13932327338@163.com
中科图云小助手微信：TuyunAssistant
更多资讯可关注：
服务号：中科图云AICloud
订阅号：中科图云
四、课程介绍
专题一：Python网络爬虫、数据分析及机器学习
课程简介
通过大量案例快速介绍 Python 运算符、表达式、内置函数，列表、元组、字典、集合，以及等内容。学习完这些基础内容之后，重点学习python网络爬虫、网络爬虫原理与应用、numpy 数组运算与矩阵运算、pandas 数据分析、matplotlib数据可视化以及 sklearn 机器学习等方面的内容，结合最新的案例进行实战。
课程特点
1) 报名赠送全部PPT和案例源代码、实验录播课及实验手册等资源。
2) 全案例教学，边讲边练，实战性强，助教辅导，力争让每位学员掌握所学内容。
课程大纲
1、Python基础学习 解释器Python2.7/3.x、IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 Python安装与环境配置 Python基本数据类型：list, dict, tuple, set等 Python文件操作：txt, excel等 Python 的标准库 Python高级用法：切片、迭代、map、filter、reduce | 代码和案例实践： 公路堵车概率模型Nagel-Schreckenberg实现 负二项分布与比赛胜率 本福特定律 蝴蝶效应：Lorenz系统的三维绘制
|
2、python网络爬虫 字符串重要方法应用 中英文分词，拼音处理 网页文本提取与图片下载 简单反爬机制对抗 | 代码和案例实践： 《青春有你2》选手数据爬取与分析 《安家》影评爬取与数据分析 《乘风破浪的姐姐》数据爬取与分析 《平凡的荣耀》数据爬取与分析 中国工程院院士信息爬取与分析 爬取某学校所有新闻 演员数据分析，最受欢迎的演员、关系最好的演员组合 |
3、Python数据分析 Numpy/Scipy/Pandas/Matplotlib/Seaborn库 Numpy基础属性与数组创建 Numpy索引 Numpy数学运算与常用分布 Pandas数据处理与分析 Pandas文件读写和个性化控制 Pandas的concat与merge Matplotlib 基本图结构介绍 基于Matplotlib绘制散点图、柱状图、等高线图、3D图等 多图合并与图片文件存取 scikit-learn的介绍和典型使用 XGBoost、LightGBM 多元高斯分布 典型图像处理 多种数学曲线 多项式拟合 | 代码和案例实践： 股票数据分析 图像处理与奇异值分解SVD 饭店营业额数据分析 散点图，商场内手机信号强度分布，烧烤店营业额 饼状图，学生成绩分布
|
4、回归分析 线性回归 Logistic/Softmax回归 广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头 最大熵模型 K-L散度 | 代码和案例实践： 线性回归算法儿童身高预测 股票数据的特征提取和应用 泰坦尼克号乘客缺失数据处理和存活率预测 环境检测数据异常分析和预测 二手车数据特征选择与算法模型比较 广告投入与销售额回归分析 鸢尾花数据集的分类 |
5、决策树和随机森林 熵、联合熵、条件熵、KL散度、互信息 最大似然估计与最大熵模型 ID3、C4.5、CART详解 决策树的正则化 预剪枝和后剪枝 Bagging Boosting AdaBoost GBDT XGBoost 随机森林 不平衡数据集的处理 利用随机森林做特征选择 使用随机森林计算样本相似度 异常值检测 | 代码和案例实践： 根据三围信息判断性别 葡萄酒数据集的决策树/随机森林分类 泰坦尼克乘客存活率估计
|
6、SVM 线性可分支持向量机 软间隔 损失函数的理解 核函数的原理和选择 SMO算法 支持向量回归SVR 多分类SVM
| 代码和案例实践： 支持向量机手写数字图像识别 原始数据和特征提取 调用开源库函数完成SVM 数字图像的手写体识别 MNIST手写体识别 SVR用于时间序列曲线预测 SVM、Logistic回归、随机森林三者的横向比较 垃圾邮件分类 |
7、聚类 各种相似度度量及其相互关系 Jaccard相似度和准确率、召回率 Pearson相关系数与余弦相似度 K-means与K-Medoids及变种 AP算法(Sci07)/LPA算法及其应用 密度聚类DBSCAN/DensityPeak(Sci14) 谱聚类SC 聚类评价和结果指标 | 代码和案例实践： 向量量化VQ及图像近似 并查集的实践应用 密度聚类的异常值检测 谱聚类用于图片分割 使用聚类算法压缩图像颜色 |
项目案例展示（部分）
1、绘制折线图、散点图、热力图辅助数据分析
2、基于协同过滤算法的电影打分与推荐
演示协同过滤算法原理以及 Python 内置函数、字典与集合、选择结构、循环结构、标准库 random 的用法。
3、用python演示泰坦尼克号生存预测、二手车特征选择和识别以及红酒分类
4、用python进行鲍鱼年龄预测、波士顿房价预测。
|
|
5、小额贷款风控特征计算和用户逾期预测
专题二：图像识别与深度学习
课程简介：
机器视觉是人工智能技术最经典的技术，起步早，发展成熟，在识别、定位、测量、分拣等当面都有相当成熟的应用。机器视觉技术主要包含图像识别与目标侦测，本课程主要就是介绍这两个方面的基础内容；从图像处理，到图像特征抽取，到特征学习，主要介绍了基于卷积神经网络的一些机器学习算法及其简单应用。本课程主要以编程实现为主，用来强化机器视觉的理论与应用认知。
课程大纲：
1、图像处理与计算机视觉 skimage来源、简介与安装 OpenCV 将视频转换为图像序列 图像可视化与几何作图 HSV、RGB与图像颜色空间的转换 图像增强与(局部)直方图均衡化 给予边缘和区域的图像分割 gamma矫正和对数矫正 亮度区域检测与前景提取 图像边缘检测/特征提取与图像算子 | 代码和案例实践： 人脸检测 以图搜书 异物检测 光流跟踪 regional maxima检测与应用
|
2、图像视频综合处理 Gabor/Laplace/Prewitt/Roberts Scharr/Sobel/Niblack/Wiener 图像形态学：开/闭/凸包/膨胀/腐蚀 双边滤波器/小波降噪/wiener滤波 角点检：Harris，Shi-Tomasi SIFT、SURF算法 视频分析：Meanshift 和 Camshift 算法 | 代码和案例实践： HAAR/HOG/LBP等特征应用 视频前景背景分析与异物检测 光流跟踪 车辆跟踪
|
3、卷积神经网络CNN 神经网络结构，滤波器，卷积 池化，激活函数，反向传播 目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet, EfficientNet 反卷积原理 UNet搭建 | 代码和案例实践： 人脸数据爬取与识别 指纹识别 海洋生物分类 人脸打分 表情识别 场景分类 美食图片分类 斑马线检测 中草药识别 猫狗大战 以图搜图 人证合一 狗脸识别
|
4、图像视频的定位与识别 视频关键帧处理 物体检测与定位 TwoStage模型：RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN, Cascadercnn, EffiicientDet OneStage模型：YOLO、SSD 小目标识别技术方案 人脸检测与识别：MTCNN、SSH、S3FD、PyramidBox、 FaceNet YOLOv3的使用 | 代码和案例实践： 室内场景下的物体识别 人脸检测 OCR字体定位和识别 睿客识云 气象识别 基于YOLO-v3的目标检测
|
项目案例展示（部分）
1、道路病害检测
2、微光夜视增强
3、人脸识别、指纹识别
4、猫狗分类
5、室内场景单/多目标检测
6、狗脸识别
|
|
专题三：深度学习与NLP
课程简介
《自然语言处理》课程是 python 机器学习和深度学习的进阶课程，通过学习这门课程，你会了解自然语言处理的基本概念和应用场景，掌握通过 python 来对语音或文本进行处理、并利用机器学习和深度学习算法进行建模，解决人机对话、机器翻译、情感分析和语音识别等实际问题。
本课程主要培养训练学员掌握 python 实现中文自动分词，词性标注，句法分析，自然语言生成，文本分类，信息检索，信息抽取，文字校对，问答系统，机器翻译，自动摘要，文字蕴涵。
课程特点
1) 报名赠送全部PPT和案例源代码、实验录播课及实验手册等资源。
2) 全案例教学，边讲边练，实战性强，助教辅导，力争让每位学员掌握所学内容。
课程大纲：
1、经典NLP技术 语言模型Bi-Gram/Tri-Gram/N-Gram 分词 词性标注 依存句法分析 语法树及其意义 语义关系抽取 词向量 文本分类 问答系统 情感分析 | 代码和案例实践： NLTK 工具包使用 WordCloud 制作词云 TextRank 关键词提取 Jieba 实现 TFIDF 算法 输入法设计 HMM分词 文本摘要的生成 智能对话系统和SeqSeq模型 阅读理解的实现与Attention
|
2、中文分析与特征抽取 词嵌入和word2vec skip-gram方法 CBOW Glove 前向/后向算法 HMM的参数学习 CRF Baum-Welch算法详解 Viterbi算法详解 隐马尔科夫模型的应用优劣比较 共轭先验分布 Laplace平滑 Gibbs采样详解 Metropolis-Hastings算法 MCMC | 代码和案例实践： 敏感话题分析 网络爬虫的原理和代码实现 GMM-HMM用于股票数据特征提取 HMM用于中文分词 文件数据格式UFT-8、Unicode 发现新词和分词效果分析
|
3、卷积神经网络CNN 复习卷积神经网络 | 代码和案例实践： 句子分类 word2Vec 影评数据分析 文本分类 训练词向量 电影情感分析 |
4、空间序列模型RNN RNN基本原理 LSTM、GRU Attention、Self-Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构 编码器与解码器结构 特征提取：word2vec Seq2seq模型 Bert相关: Bert ALBert XLNet，ERNIE Transformer | 代码和案例实践： 聊天机器人 中英文翻译系统 看图说话 视频理解 藏头诗生成 问答对话系统 OCR 循环神经网络调参经验分享 智能对话系统 新闻质量与舆情监测
|
项目案例展示（部分）
1、新词发现和词云展示
|
|
2、 看图说话
3、情感分析
4、机器翻译
5、聊天机器人（如何训练一个像小冰的机器人）
|
|
专题四：知识图谱
课程简介：
知识图谱是大数据时代知识表示的主要形态之一，是人工智能应用不可或缺的基础资源。知识图谱现在已经在语义搜索、问答系统、个性化推荐等领域得到了较为广泛的应用。本课程对知识图谱基础知识，领域应用和学术前沿趋势进行介绍。接着重点讲解知识图谱核心技术，并根据应用案例，手把手带领大家实现工程项目。
课程大纲：
1、知识表示与建模 知识图谱概念、发展历程 知识图谱类型和代表性知识图谱 知识表示概述 知识表示框架 | 代码和案例实践： 使用protégé进行本体的构建
|
2、知识源数据的获取 结构化数据的获取 非结构化数据的获取
| 代码和案例实践： 将mysql数据导出为图谱源数据 股票吧信息爬取实战 使用爬虫获取企业法人等信息 获取企业风险知识图谱源数据 |
3、知识抽取 知识抽取概述 实体抽取技术：基于命名实体、基于关键词 关系抽取技术 事件抽取技术
| 代码和案例实践： 基于LSTM+CRF的命名实体识别 CNN关系抽取 基于模板完成事件抽取 使用hanlp抽取法人名称、企业名称等信息 使用TextRank算法完成知识抽取 使用句法依存算法关系抽取 |
4、知识融合 知识融合概述 实体统一 实体消歧 知识合并 | 代码和案例实践： 使用jieba完成公司名的实体统一 使用tf-idf完成实体消歧 |
6、知识存储 知识图谱数据模型、RDF图、属性图 基于关系的知识图谱存储管理 关系数据库 Jena 原生知识图谱存储管理 图数据库neo4j
| 代码和案例实践： neo4j的安装与部署 neo4j实战操作 使用neo4j工具导入知识图谱 知识图谱查询语言
|
7、案例：使用neo4j从零搭建简单知识图谱 项目背景 数据模型设计 使用爬虫获取原始数据 构建知识图谱 展示知识图谱 使用neo4j完成知识推理 | 代码和案例实践： 基于金融知识图谱的问答机器人 基于法律领域的知识图谱 基于医药知识图谱的问答系统
|
项目案例展示（部分）
1、BiLSTM+CRF命名实体识别模型
每个句子按照词序逐个输入双向LSTM中，结合正反向隐层输出得到包含每个词类别特征的表示，输入CRF中，优化目标函数，从而得到每个词所属的实体类别。
2、基于卷积神经网络的关系分类方法
通过词向量表示词汇的语义特征，通过CNN表示句子的语义特征。
3、图数据库的使用
介绍jena的用法，掌握关系数据库向图数据库中三元组的转换。
3、基于分布式表示的知识推理
4、基于知识图谱的问答系统
专题五：强化学习
课程简介：
了解强化学习的前沿发展态势，明确人工智能与强化学习相结合的理论研究方向。系统掌握强化学习各经典算法（基础求解法和联合求解法）的技术原理，能够编程实现各经典算法。掌握迷宫寻宝、飞翔的小鸟、小车倒摆、钟摆、AlphaGO、AlphaGO Zero、AlphaZero的技术原理和代码实现。了解强化学习在工业界的落地应用，可以从零开始，动手操作，使用各经典算法解决经典的强化学习问题。
课程大纲：
1、强化学习概述 强化学习的定义和原理 智能体的组成 强化学习和其他机器学习的关系 强化学习的分类 强化学习的研究方法 强化学习的重点概念 | |
2、马尔可夫决策过程 马尔可夫性 马尔可夫过程 马尔可夫决策过程 贝尔曼期望方程 贝尔曼最优方程 最优策略 | |
3、动态规划 动态规划基本思想 策略评估 策略改进 策略迭代算法 值迭代算法 | 代码和案例实践： 网格世界寻宝 网格世界环境描述 策略迭代算法运行流程 值迭代算法运行流程 核心代码演示 算法小结 |
4、蒙特卡罗 蒙特卡罗核心思想 蒙特卡罗评估 增量式方法 蒙特卡罗控制 在线策略/离线策略 在线策略蒙特卡罗算法 重要性采样离线策略蒙特卡罗算法 加权重要性采样离线策略蒙特卡罗算法 | 代码和案例实践： “十点半”游戏 游戏介绍及环境描述 在线策略蒙特卡罗算法运行流程 加权重要性采样离线策略蒙特卡罗算法运行流程 核心代码演示 算法小结 |
5、时序差分 时序差分简介、TD目标值 / TD 误差 DP/MC/TD对比 在线策略TD：Sarsa算法 离线策略TD：Q-learning算法
| 代码和案例实践： 带陷阱的网格世界寻宝 环境描述 Sarsa算法运行流程 Q-learning算法运行流程 核心代码演示 算法小结 |
6、资格迹 前向视角/后向视角 多步TD 前向TD(λ)算法 后向TD(λ)算法 前向Sarsa(λ)算法 后向Sarsa(λ)算法 前向Watkins’s Q(λ)算法 后向Watkins’s Q(λ)算法 | 代码和案例实践： 风格子世界 环境描述 后向Sarsa (λ) 算法运行流程 后向Watkins’s Q(λ)算法运行流程 核心代码演示 算法小结 |
7、值函数逼近 表格型强化学习/函数近似型强化学习 线性逼近/非线性逼近 增量法 值函数逼近-Sarsa算法 批量法 值函数逼近-Q-learning算法 人工神经网络（卷积、池化、全连接） DQN方法 Double DQN方法 Dueling DQN方法 | 代码和案例实践： 飞翔的小鸟 游戏简介及环境描述 算法运行流程 核心代码演示 算法小结
|
8、随机策略梯度 随机策略梯度简介 策略梯度优缺点 策略梯度方法分类 随机策略梯度定理 REINFORCE方法 带基线的REINFORCE方法 | 代码和案例实践： 小车上山 游戏简介及环境描述 REINFORCE算法运行流程 核心代码演示 算法小结 |
9、 Actor-Critic及变种 AC与带基线 REINFORCE的不同 A2C方法 异步方法简介及核心思想 异步 Q-learning 方法 异步 Sarsa 方法 异步 n步 Q-learning方法 A3C方法 | 代码和案例实践： 钟摆 游戏简介及环境描述 A3C算法运行流程 核心代码演示 算法小结 |
10、学习与规划 有模型方法和无模型方法 模型拟合 Dyna框架 Dyna-Q算法 Dyna-Q+ 优先级扫描的Dyna-Q Dyna-2算法 | 代码和案例实践： 迷宫寻宝 游戏简介及环境描述 Dyna-Q算法运行流程 核心代码演示 算法小结 |
11、博弈强化学习 博弈及博弈树 极大极小搜索 Alpha-Beta 搜 索 蒙特卡罗树搜索 AlphaGo基本原理 AlphaGo神经网络 AlphaGo蒙特卡罗树搜索 AlphaGo的整体思路 AlphaGo Zero下棋原理 AlphaGo Zero的网络结构 AlphaGo Zero的蒙特卡罗树搜索 AlphaGo Zero总结 AlphaZero | 代码和案例实践： 五子棋 游戏简介及环境描述 算法运行流程（MCTS算法和 MCTS+神经网络算法） 核心代码演示 算法小结 |
精彩分享
常见问题
1、 参加本次课程有什么要求吗?
面向任何对人工智能感兴趣的学员。可以是0基础、不懂机器学习、不具备任何Python基础的学员。
2、 本课程怎么答疑？
可以直接在线问导师；也可以随时向学习社群的专业助教导师提问，助教会给大家及时答疑。
3、 上课时间和课程安排是怎么样的？
每个课程周期为6天，直播教学。
4、 错过了直播怎么办？
会以视频回放的形式给大家补课。
5、 代码实战是以什么形式讲解？
会挑选重点project给大家逐行讲解，保证大家看得懂学得会写得出。
6、 如何保证100%就业？
认真学完整个课程，做完全部作业，导师会推荐大厂就业。并且
欢迎大家来邹博自己的公司-睿客邦工作。
附件：近两年邹博获奖和培训情况节选
2019年6月，山东交通学院客座教授
2019年12月，南昌航空大学双师型教师
2017年12月，天津大学“创业导师”
‘一种地质勘探三维可视化储量结算方法’获得专利授权，专利号：ZL201410025108.6
2017年国土资源科学技术一等奖，全国重要矿产资源潜力评价，国土资源部
活动标签
最近参与
-
。收藏(3年前)
-
Tommy收藏
(3年前)
您还可能感兴趣
您有任何问题，在这里提问！
全部讨论
下载App观看回放
扫码小程序报名
