证书查询

全国报名咨询热线
010-57197553

首页 / 8月

全国高校人工智能-深度学习技术师资培训班

2021-06-02

课程时间:2021年8月05日-8月09日

费用: 4980元

地点:昆明

  • 课程详情
  • 适用人群
  • 课程大纲
  • 一、课程介绍
    人工智能(AI)是新一轮科技革命和产业变革的核心驱动力,将深刻改变人类社会生活,改变世界,对于实现社会生产力新跃升,提高综合国力和国际竞争力具有重要意义。为了贯彻落实国务院印发的“新一代人工智能发展规划”精神,推广人工智能技术,全国工业与信息技术人才培训中心决定举办 “全国高校人工智能-深度学习技术”
    二、培训方式
    本培训班重视技术基础,强调实际应用,采用技术原理与项目实战相结合的方式进行教学。 通过展示教师的实际科研成果,讲述人工智能的技术原理与应用系统开发方法、人工智能系统开发工具使用方法。使学员掌握人工智能基础与专门知识,获得较强的人工智能应用系统的分析、设计、实现能力。
    提供实际的应用案例供学员动手实验练 。实验内容包括tensorflow2.4/keras2.4环境构建、图数据库NEO4J安装与使用等。
    三、培训对象
     各省市、自治区从事人工智能、机器学习、计算机视觉、自然语言处理、无人机、无人艇、无人车、机器人、智能体、多智能体、兵棋推演、自动驾驶、能源分配、编队控制、航迹规划、路由规划等领域相关的企事业单位技术骨干、科研院所研究人员和高等院校相关专业教学人员及在校研究生等相关人员。
    四、主讲教授  
    张璟,博士毕业于西安交通大学电信学院,现为西安理工大学大学计算机学院2级教授,博士生导师,陕西省***专家组专家。
    2000年9-12月访问美国密西根大学、日本大学,2012-2019年先后访问美国加州大学圣芭芭拉分校、斯坦福大学、克莱姆森大学、乔治亚理工学院。
    曾任西安理工大学计算机学院副院长、陕西省信息化专家组专家、陕西省制造业信息化专家组专家,计算机学院副院长、计算机学科带头人,西北工业大学兼职研究员。1985年以来,主要从事人工智能、因特信息网方面的教学与研究,进行过多个实用人工智能系统、网络与信息系统的规划、设计与开发。主持完成科研项目35项,其中国家863课题6项、陕西省科技攻关项目2项、企业委托项目14项。获省、部级科技奖励6项。
    2010年以来,主要从事云计算、大数据、人工智能与深度学习方面的研究开发与教学。曾用人工智能语言Prolog实现计算机故障诊断专家系统;用C语言实现煤矿突水预测神经网络系统;用专家系统工具Jess工具设计企业大数据平台;用tensorflow/Keras/Phtyon 实现手写体数字识别、电影评价情感识别系统,设计股票预测系统,人脸识别系统。
    典型人工智能方面的成果:
    1.神经网络专家系统理论及其在煤矿水害预测中的应用,1997年12月获机械工业部科技进步三等奖。
    2.国家电子类规划教材:人工智能基础,电子工业出版社,2000年3月。(ISBN 7-5053-5725-5/G.489)
    3.实时控制神经网络专家系统结构及推理算法,模式识别与人工智能,第8卷第2期(1995年6月)。
    五、颁发证书  
    参加相关培训并通过考试的学员,可以获得:
    工业和信息化部颁发的《深度学习技术证书》。该证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
    注:请学员带二寸彩照2张(背面注明姓名)、身份证复印件一张。
    六、培训费用及须知
      培训费 4980元/人(含培训、教材、午餐、场地、证书、学习用品费等)。
    需要住宿学员请提前通知,可统一安排,费用自理。
  • 各省市、自治区从事人工智能、机器学习、计算机视觉、自然语言处理、无人机、无人艇、无人车、机器人、智能体、多智能体、兵棋推演、自动驾驶、能源分配、编队控制、航迹规划、路由规划等领域相关的企事业单位技术骨干、科研院所研究人员和高等院校相关专业教学人员及在校研究生等相关人员。
  • 第一天 第一部分:人工智能基础 1.1 人工智能(AI)概述
    1.2 AI研究的主要技术问题
    1.3 AI的主要学派
    1.4 AI十大应用案例
    (1)城市公共资源辅助优化配置 
    (2)临床医疗影像辅助诊断 
    (3)英语听说考试语音评测 
    (4)智能供应链设计系统
    (5)机器翻译
    (6)智能客服机器人 
    (7)重点人群身份识别 
    (8)智能网络视频云服务 
    (9)人证比对实名认证
    (10)工业互联网平台 
    1.4 人工智能技术基础
    1.4.1 搜索与推理技术
    1.4.2 知识表示  
      第二部分基于知识的人工智能系统及应用
     
    2.1专家系统概念
    2.2专家系统结构 
    2.3专家系统开发工具
    2.4专家系统设计与实际应用 
    2.4.1计算机故障诊专家系统  
    2.4.2基于Web与云计算平台的设备故障诊断专家系统 
    2.5  规则引擎与JSR94规范   
    2.5.1 规则引擎产生背景
    2.5.2 规则引擎概念
    2.5.3 规则引擎架构
    2.5.4 JSR94 规范 --Java规则引擎API
    2.5.5 典型规则引擎
    2.5.6 规则引擎应用案例(信用卡申请)
    第二天 第三部分知识图谱 3.1  知识图谱概念
    3.2  知识图谱与专家系统
    3.3  开放知识图谱
    3.4  知识的提取、表示、存储与检索
    3.5  知识图谱在互联网金融行业的应用
    3.6  实验: 基于NEO4j的知识图谱应用系统
    第二天 第四部分基于联接的人工智能系统及应用 4.1 神经网络概念
    4.2 前馈神经网络算法 
    4.3 前馈神经网络设计方法
    4.4 前馈神经网络实际应用
    4.4.1 基于神经网络的煤矿突水预测系统  
    4.4.2 融合专家系统与神经网络的真空成型机故障诊断系统 
    第三天 第五部分:基于深度学习的人工智能系统及应用 5.1 机器学习概念
    5.2 深度学习概念
    5.3 卷积积神经网络
    5.4  增强学习
    5.5  迁移学习
    5.6  生成对抗网络
    5.7  主流深度学习框架
    5.7.1 TesorFlow 2.4(安装与实例运行)
    5.7.2  Keras2.4 (安装与实例运行)
    5.7.3  pytorch
    5.8 基于TesorFlow/keras的深度学习应用系统上机实验
    (1)手写体数字识别
    (2)时装识别
    (3)情感识别
      第六部分基于深度学习的目标检测与人脸识别 6.1  目标检测(object detection)概念
    6.2 传统的目标检测方法
    6.3  基于区域建议(候选框)的目标识别算法
    6.3.1  R-CNN
    6.3.2  Fast R-CNN
    6.3.3  Faster R-CNN
    6.3.4 Feature Pyramid Networks(FPN)-特征金字塔网络
    6.4  YOLO——One-Stage目标检测算法
    6.5  SSD与 Retina-Net
    6.6  基于ImageAI  的计算机视觉编程库
    6.9人脸识别关键技术概述
    6.10人脸检测算法
    6.10.1 人脸检测算法 MTCNN
    6.11 人脸识别算法 - Google FaceNet(2015)
    6.11 基于MTCNN和facenet实现人脸检测和人脸识别实验