深圳人工智能工程师培训班

01 人工智能之数学基础（约6小时）
1.微积分
2.线性代数
3.概率论与数理统计
02 数据库基础——关系型数据库（约8小时）
1.SQL入门及安装
2.数据表及字段操作
3.SQL查询、链接
4.SQL商业应用案例
03 数据库基础——非关系型数据库（约5小时）
1.MongoDB简介
2.MongoDB的常用操作
3.MongoDB的使用
4.Python操作MongoDB
04 人工智能之Python基础篇（约5小时）
1.Python的安装与环境配置
2.Python的基础与规范
3.Python的基本对象类型
4.Python语句
05 人工智能之Python进阶篇（约5小时）
1.函数
2.类与对象
3.库与模块
4.文件
5.错误与异常
06 人工智能之机器学习基础篇（约10小时）
1.Python机器学习算法库Scikit-Learn入门介绍
2.Python统计分析基础
3.SVD分解与主成分分析
4.线性回归算法实现
5.岭回归、Lasso和弹性网
6.判别分析
7.梯度下降算法原理与Scikit-Learn实现
8.逻辑回归算法原理与Scikit-Learn实现
9.贝叶斯算法原理与Scikit-Learn实现
10.案例：泰坦尼克号生存预测
07 人工智能之机器学习进阶篇（约20小时）
1.KNN Z近邻元素分类器
2.时间序列模型
3.EM算法
4.聚类分析
5.决策树模型的基本原理与Scikit-Learn实现
6.集成算法入门
7.集成算法的Scikit-Learn实现
8.感知机模型基本原理
9.支持向量机基本原理与Scikit-Learn实现
10.XgBoost
11.案例：上市公司股价预测
12.案例：客户风险评级
13.大型案例：上市公司营收状况预测
08 人工智能之复杂网络分析（约10小时）
1.图论
2.复杂网络的拓扑结构性质
3.更多类型的网络
4.复杂网络的演化
5.复杂网络的功能
6.案例：北京市快速轨道交通的有效性
7.案例：社交网络数据分析
09 深度学习框架Tensorflow（约7小时）
1.开发环境搭建
2.Tensorflow基本数据结构
3.TensorFlow实现代码结构和开发步骤——回归问题
4.TensorFlow深度学习基础--神经网络——分类问题
5.手写数字识别的突破---卷积神经网络Tensorflow实现
10 人工智能之深度学习基础篇（约15小时）
1.AI概述和Tensorflow基础
2.神经网络结构
3.卷积神经网络
4.RNN和LSTM
收 起获取详细课程大纲
11 人工智能之深度学习进阶篇（约15小时）
1.神经网络算法基础(1)
2.神经网络算法基础(2)
3.迁移学习和强化学习
4.自然语言处理（NLP）
12 识文断字：人工智能实战之文本分析（约6小时）
1.文本分析简介
2.文本数据预处理
3.文本分析应用与Python语言实作
13 火眼金睛：人工智能实战之图像识别（约6小时）
1.深度学习与图像识别及经典数据集
2.图像识别的突破--卷积神经网络简介
3.使用卷积神经网络对经典数据集cifar进行分类识别
4.使用自己的数据集训练卷积神经网络
14 耳听八方：人工智能实战之语音识别（约5小时）
1.语音识别介绍
2.语音技术分析
3.本地语音识别
4.网络语音识别
15 运筹帷幄：人工智能实战之对抗生成网络（约5小时）
11.GAN简介
2.GAN原型详解
3.DCGAN
4.DiscoGAN
5.半监督学习
6.知识汇总与作业
16 冰雪聪明：人工智能实战之智能问答系统（约5小时）
1.从与机器的沟通方式开始
2.对话：问题的理解与答案的生成
3.词典：关键词检索
4.专家：指定领域的问答助手
5.百科全书：开放式的问答系统