人工智能深度学习与应用

72

深度算法工程师、软件测试工程师

算法科学家、人脸识别算法工程师

人工智能机器视觉检测与应用

72

芯片检测师、硬件工程师、质量控制工程师

后端开发工程师、运动控制算法工程师

人工智能在数据挖掘中的应用与实战

72

算法工程师、数据采集复习专员

课程章节

课程内容

学时

人工智能的python编程

1.Jupyter Lab开发环境的基本操作

2.Python的基础语法的编写

3.常用的工具库的使用

4.Python面向对象编程

5.简单的Python机器学习和深度学习典型应用案例的编写

9

爬山算法、极大极小值算法和线性回归算法的应用

1.用Python语言完成对应问题的模型搭建

2.定义相关的冲突函数的编写

3.模型搭建、参数设定和问题最优解的计算

4.决策函数的编写

5.函数的执行和游戏分值计算、输出

9

朴素贝叶斯算法和逻辑回归模型的应用

1.先验概率、后验概率和条件概率值计算的代码编写

2.分类问题的特点和数据的特征的分析

3.数据集可视化的操作

4.算法模型的搭建

5.Python语言进行sigmoid函数的构建

6.逻辑回归模型、损失函数的搭建

7.梯度下降法更新模型参数的使用

8.考试样本数据的使用

9

K-means聚类算法和决策树模型的应用

1.用Python语言进行K-means聚类器构造

2.经典鸢尾花数据集分析和可视化操作

3.通过聚类器完成数据特征选择和聚类

4、用Python语言进行数据集创建，构建决策树模型并可视化和决策预测

9

基于支持向量机SVM和鸢尾花数据集的分类

1.分类问题特点的分析应用

2.数据集的特征分析应用

3.用支持向量机模型对数据进行训练

4.用支持向量机模型对数据进行预测和数据集的分类

9

基于神经网络CNN的小狗识别

1.用Python进行图像数据导入

2.用Python进行图像预处理

3.数据可视化

4.搭建CNN模型并用图像数据进行训练

5.用CNN模型进行模型评估、优化

9

基于OpenCV的特征提取和人脸识别

1.OpenCV库的常用方法的使用

2.便携式线简单的区域描绘

3.对应的图像处理任务的代码编写

4.可视化灰度共现矩阵的编写

5.常用的人脸数据库和识别方法的调用

9

合计

72

课程章节

课程内容

学时

人工智能相关基础与实战

1.Python编程基础

2.Python编程环境搭建实战

3.Python变量类型和运算符实操

4.Python编程实操

9

机器学习

1.常用算法回归算法、决策树、集成算法等

2.基于回归算法的房价预测案例

3.基于分类算法的sonar声呐识别实战

4.基于聚类算法的鸢尾花案例

9

神经网络及深度学习应用

1.神经网络及深度学习的原理及应用

2.TensorFlow的相关知识及应用

3.基于神经网络的案例分析实战

4.基于TensorFlow的手写数据集实战

9

计算机视觉应用

1.open-cv的图像增强、图像识别知识

2.卷积神经网络及常用VGG等模型应用

3.基于CNN的MNIST数据集识别实战

4.基于CNN的名家画作鉴赏实战

9

5G、工业互联网、智能制造与AI应用

1.于工业的数据分析与预测

2.基于图像识别的案例应用

9

工业场景缺陷检测：语义分割、目标检测

OCR检测识别应用

1.于Labelimg的数据标注应用

2.基于YOLO模型的物品检测实战

3.基于U-NET模型的语义分割

4.基于OCR的验证码识别

9

智能制造工业光源与工业产品应用

1.条型、环型光源实操

2.面型、开孔面型光源实操

3.同轴型、平行同轴型、穹顶型光源实操

其他光源实操

9

SMore ViMo实战

1.分类缺陷实操

2.分割任务实操

3.检测任务实操

上一篇： 深圳市人工智能产业协会《嵌入式开发》培训课程介绍 下一篇： 深圳市人工智能产业协会《人工智能入门》培训课程介绍