• <tr id="jt550"></tr>
    <sup id="jt550"></sup>
  • <noframes id="jt550"><small id="jt550"><option id="jt550"></option></small></noframes>

          <menuitem id="jt550"><video id="jt550"></video></menuitem>

            <sup id="jt550"></sup>
            <menuitem id="jt550"><video id="jt550"></video></menuitem><output id="jt550"><track id="jt550"></track></output>

            人工智能開發適合人群

            1. 預轉型開發人員

            2. 理工科相關專業

            3. 研發管理技術拓展

            4. 人工智能愛好者

            咨詢新開班級構成情況

            人工智能開發六大課程優勢

            • 制定AI培訓課程培養AI專精型人才

            • 覆蓋AI職業技能助力學員高起點就業

            • 課程設置科學合理適合AI技術初學者

            • 多領域多行業項目打造AI核心競爭力

            • 技術大牛傾力研發專職沉淀AI新技術

            • 聚力名企共建課程整合優質技術資源

            01制定AI培訓課程 培養AI專精型人才

            我們培養的AI工程師所需能力

            AI算法深入研究能力AI算法深入研究能力指算法實用性、先進性、可拓展性,讓學員掌握算法模型舉一反三的技能。

            AI算法業務流處理能力AI算法業務流處理能力指通過企業實戰場景、業務流,對AI技術實戰訓練,解決實戰業務流問題。

            技術棧SeleniumRequestsJs

            技術棧XpathMysqlESFilter

            技術棧CounterSeabornOpencv
            TensorboardJiebaPillow

            技術棧LossSelectionEntropy
            LossAdam SGD

            技術棧Cross ValidationModel
            PredictTrain Test Split

            技術棧PytorchTensorflowKeras
            Sklearn

            技術棧AcuracyRecalPrecision
            F1

            技術棧DjangoFlaskDocker
            Tensorflow-Serving

            技術棧AbtestUnitestAPItest

            數據采集與標注數據清洗與存儲數據特征與分析 模型驗證模型訓練模型選型與構建 模型選型與構建模型選型與構建系統聯調測試

            在線醫生問答機器人是NLP在醫療領域的應用之一,幫助人們解決基本的醫療知識問答。項目涉及主流的AI技術,包括遷移和微調BERT模型解決句子連貫性判斷、BiLSTM+CRF解決醫療命名實體識別、使用自監督語料進行實體審核等,對涉獵的算法模型進行深度解析。同時,整個項目具備完整的業務流程,包括微信公眾號的對接、對話管理存儲、模型部署服務、圖數據庫操作等,以便訓練的模型能真正投入使用,產生商業價值。

            技術架構

            課程實例:在線醫生項目

            微信公眾號客戶端

            分布式模型部署與性能提升技巧

            醫療領域知識圖譜
            neo4j存儲
            N度關系查詢
            圖數據管理
            醫療對話生成模型訓練
            基于BERT的對話連貫性判斷
            用戶意圖識別
            Bi-LSTM+CRF的命名實體識別
            多輪對話管理系統
            基于Redis的緩存
            基于Unit的規則生成器
            多輪對話控制機制

            醫療數據清洗與數據處理流水線

            了解AI工程師發展前景

            02覆蓋AI職業技能 助力學員高起點就業

            • 機器學習、推薦、通用框架

              科學計算庫,特征工程, 十大經典算法,主流應用領域,推薦系統,主流框架人工智能框架TensorFlow、Pytorch。

            • 圖像與視覺處理CV

              圖像分類,目標檢測和追蹤,圖像語義分割,場景文字識別,圖像生成,人體關鍵點檢測及標簽識別,視頻分類。

            • 自然語言處理NLP

              分詞,命名實體識別,詞性標注、句法分析、語義理解、信息抽取、機器翻譯、文本摘要、問答系統、閱讀理解。

            • 人工智能前沿技術和未來熱點

              進化學習、分布式機器學習、強化學習、立體視覺與SLAM、點云處理、對稱權重與深度置信網絡、模型可解釋性,模型壓縮,遷移學習,終身學習,元學習。

            咨詢老學員就業詳情

            03課程設置科學合理 適合AI技術初學者

            1. 階段1
            2. 階段2
            3. 階段3
            4. 階段4
            5. 階段5
            6. 階段6
            7. 階段7
            8. 階段8
            9. 階段9
            10. 階段10
            • Python編程基礎

              主講內容:

              · Python基礎語法
              · Python數據處理
              · 函數
              · 文件讀寫
              · 異常處理
              · 模塊和包

              可掌握的核心能力:

              1、掌握Python開發環境基本配置;
              2、掌握運算符、表達式、流程控制語句、數組等的使用;
              3、掌握字符串的基本操作;
              4、初步建立面向對象的編程思維;
              5、熟悉異常捕獲的基本流程及使用方式;
              6、掌握類和對象的基本使用方式。

              可解決的現實問題:

              熟練掌握人工智能Python語言,建立編程思維以及面向對象程序設計思想,使學員能夠熟練使用Python技術完成基礎程序編寫。

            • Python編程進階

              主講內容:

              · 面向對象
              · 網絡編程
              · 多任務編程
              · 高級語法
              · Python編程綜合項目
              · Python數據結構

              可掌握的核心能力:

              1、掌握網絡編程技術,能夠實現網絡通訊;
              2、知道通訊協議原理;
              3、掌握開發中的多任務編程實現方式;
              4、知道多進程多線程的原理。

              可解決的現實問題:

              熟練使用Python,掌握人工智能開發必備Python高級語法。

            • 數據處理與統計分析

              主講內容:

              · Linux
              · MySQL與SQL
              · Numpy矩陣運算庫
              · Pandas數據清洗
              · Pandas數據整理
              · Pandas數據可視化
              · Pandas數據分析項目

              可掌握的核心能力:

              1、掌握Linux常用命令,為數據開發后續學習打下的良好基礎;
              2、掌握MySQL數據庫的使用;
              3、掌握SQL語法;
              4、掌握使用Python操作數據庫;
              5、掌握Pandas案例;
              6、知道會圖庫使用;
              7、掌握Pandas數據ETL;
              8、掌握Pandas數據分析項目流程。

              可解決的現實問題:

              掌握SQL及Pandas完成數據分析與可視化操作。

            • 機器學習與多場景案例實戰

              主講內容:

              · 機器學習簡介
              · K近鄰算法
              · 線性回歸
              · 邏輯回歸
              · 決策樹
              · 聚類算法
              · 集成學習
              · 機器學習進階算法
              · 用戶畫像案例
              · 電商運營數據建模分析案例

              可掌握的核心能力:

              1、掌握機器學習算法基本原理;
              2、掌握使用機器學習模型訓練的基本流程;
              3、掌握Sklearn,Jieba,Gensim等常用機器學習相關開源庫的使用;
              4、熟練使用機器學習相關算法進行預測分析;
              5、掌握數據分析常用思維方法;
              6、掌握不同業務場景下的指標體系搭建;
              7、熟練使用各種數據分析工具進行數據提取與數據展示;
              8、熟練運用常用數據分析模型解決業務問題。

              可解決的現實問題:

              掌握機器學習基本概念,利用多場景案例強化機器學習建模。

            • 數據挖掘綜合項目

              主講內容:

              · 金融風控項目業務背景介紹
              · 風控建模介紹
              · 機器學習評分卡
              · 金融風控特征工程
              · 不均衡學習和異常檢測
              · 推薦項目數據采集
              · 推薦系統召回業務
              · 推薦系統排序業務
              · 基于多路召回的實時推薦
              · 推薦系統平臺調度
              · 推薦系統性能評估

              可掌握的核心能力:

              1、掌握風控業務場景的常用指標;2、掌握評分卡的建模流程;
              3、掌握評分卡特征工程的常用套路;
              4、熟練運用機器學習算法解決風控業務場景下的問題;
              5、掌握多行業推薦業務;6、掌握推薦業務建模流程;
              7、掌握召回,排序基礎算法;8、熟練運用機器學習算法解決推薦業務問題;
              9、掌握大數據計算框架基本使用。

              可解決的現實問題:

              1、掌握掌握金融風控或推薦系統項目
              2、掌握運用機器學習算法解決實際業務的分類、聚類、回歸的問題

            • 深度學習與NLP自然語言處理基礎

              主講內容:

              · 深度學習基礎
              · BP神經網絡
              · 經典神經同絡結構(CNN&RNN)
              · 深度學習多框架對比
              · 深度學習正則化和算法優化
              · 深度學習Pytorch框架
              · NLP任務和開發流程
              · 文本預處理
              · RNN及變體原理與實戰
              · Transformer原理與實戰
              · Attention機制原理與實戰
              · 傳統序列模型
              · 遷移學習實戰

              可掌握的核心能力:

              1、pytorch工具處理神經網絡涉及的關鍵點;2、掌握神經網絡基礎知識;
              3、掌握反向傳播原理;4、了解深度學習正則化與算法優化;
              5、掌握NLP領域前沿的技術解決方案;6、了解NLP應用場景;
              7、掌握NLP相關知識的原理和實現;8、掌握傳統序列模型的基本原理和使用;
              9、掌握非序列模型解決文本問題的原理和方案;10、能夠使用pytorch搭建神經網絡;
              11、構建基本的語言翻譯系統模型;12、構建基本的文本生成系統模型;
              13、構建基本的文本分類器模型;14、使用ID-CNN+CRF進行命名實體識別;
              15、使用fasttext進行快速的文本分類;16、勝任多數企業的NLP工程師的職位。

              可解決的現實問題:

              掌握深度學習基礎及神經網絡經典算法;掌握熱門的PyTorch技術,完成自然語言處理基礎算法,諸如RNN、LSTM、GRU等技術。

            • ChatGPT技術深入淺出

              主講內容:

              · ChatGPT入門
              · ChatGPT原理詳解
              · ChatGPT項目實戰
              · 基于大型預訓練模型搭建聊天機器人
              · 聊天機器人和問答系統

              可掌握的核心能力:

              1、掌握大規模知識圖譜技術與自然語言處理在多領域的應用
              2、掌握ChatGPT聊天機器人實戰
              3、掌握基于大型預訓練模型搭建聊天機器人
              4、熟悉端到端以及結合知識庫的多輪多任務對話系統網絡結構

              可解決的現實問題:

              能夠運用ChatGPT模型完成聊天機器人和問答系統的相關功能

            • NLP自然語言處理綜合項目

              主講內容:

              · 解決方案列表
              · 項目架構及數據采集
              · 命名實體識別
              · 對話系統
              · 項目架構
              · 多模型預測
              · 模型的迭代優化
              · 模型的上線部署與總結
              · 智能文本分類
              · 模型上線

              可掌握的核心能力:

              1、醫療領域NER解決方案;2、對話主題相關解決方案;
              3、微信端服務部署解決方案;4、對話管理系統與A結合解決方案;
              5、抽取式文本摘要解決方案;6、生成式文本摘要解決方案;
              7、自主訓練詞向量解決方案;8、解碼方案的優化解決方案;
              9、數據增強優化解決方案;10、大規??焖傥谋痉诸惤鉀Q方案;
              11、多模型井行預測解決方案;12、分布式模型訓練解決方案;
              13、多標簽知識圖譜構建解決方案。

              可解決的現實問題:

              1、掌握自然語言處理項目,完成文本摘要或傳智大腦項目
              2、掌握自然語言處理項目,完成智能文本分類或知識圖譜項目
              3、掌握運用NLP核心算法解決實際場景關系抽取的問題

            • CV基礎&面試加強

              主講內容:

              · 機器學習核心算法加強
              · 深度學習核心算法加強
              · 數據結構與算法
              · 多行業項目擴展
              · 圖像與視覺處理介紹
              · 目標分類和經典CV網絡
              · 目標檢測和經典CV網絡
              · 目標分割和經典CV網絡

              可掌握的核心能力:

              1、機器學習與深度學習核心算法,NLP經典算法,數據結構算法、Djkstra算法,動態規劃初步,貪心算法原理,多行業人工智能案例剖析;
              2、經典卷積網絡:LeNet5、AlexNet、 VGG、 Inception、GoogleNlet、殘差網絡 深度學習優化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、 YOLOV2、 YOLOV。

              可解決的現實問題:

              1、掌握數據結構與算法,核心機器學習、深度學習面試題,助力高薪就業;
              2、掌握計算機視覺基礎算法,諸如CNN、殘差網絡、Yolo及SSD。

            • CV計算機視覺綜合項目

              主講內容:

              · 解決方案列表
              · 項目架構及數據采集
              · 人臉檢測與跟蹤
              · 人臉姿態任務
              · 人臉多任務
              · 系統集成

              可掌握的核心能力:

              1、人臉檢測與跟蹤解決方案;
              2、人臉多任務解決方案;
              3、人臉識別任務解決方案;
              4、系統集成解決方案;。

              可解決的現實問題:

              掌握人臉支付項目或智慧交通項目或實時人臉識別項目。

            申請免費試聽

            04多領域多行業項目 打造AI核心競爭力

            天鷹智能交通

            本項目利用深度學習技術,跟蹤路面實時車輛通行狀況,并逐幀記錄不同行車道車流量數目。車輛自動計數系統由計數系統、圖像抓拍系統、實時監控錄像系統組成,可在視頻看出每個車輛的連續幀路徑。

            項目架構

            1、Siamese系列模型2、yoloV3目標檢測
            3、SORT/DeepSORT算法4、卡爾曼濾波目標位置優化
            5、匈牙利算法目標匹配6、相機校正方法

            壹圖實時人臉檢測

            本項目可通過攝像頭實時采集視頻人臉數據,也可批量圖片輸入自動化識別人臉;本項目對視頻可實現人臉的跟蹤,并標注姓名、性別、情緒(開心、生氣、自然)等信息;能對進入視頻的陌生人報警。

            項目架構

            1、EigenFace2、LBPH
            3、雙屬性圖4、動態人臉定位
            5、活體檢測6、柔性模型技術
            7、Gabor系數特征匹配8、隱馬爾科夫模型的圖像分割

            美創醫療在線AI醫生

            在線醫生項目是一個基于自然語言理解方向的問答機器人。該項目結合醫學知識圖譜、深度學習、對話管理、微信公眾號開發等技術,旨在降低首醫成本,為患者提供基本醫學診斷意見服務。

            項目架構

            1、Neo4j圖數據庫2、命名實體審核/識別模型訓練與預測+
            3、句子主題相關模型訓練與部署4、系統聯調與測試
            5、論文復現

            蜂窩頭條智能文本推薦

            中文標簽化系統是NLP基礎任務的綜合系統,同時又是NLP應用的基礎設施。根據文本信息,給出對應的預定義標簽將能夠有效的支持用戶畫像,推薦系統等。同時,對于高階NLP任務,如對話,翻譯,寓意蘊含等在語料分類上將有很大的幫助。

            項目架構

            1、標簽詞匯知識圖譜2、特征工程
            3、fasttext模型4、多模型訓練與預測
            5、AI業務流調試6、Django后端服務搭建

            泛娛樂推薦

            推薦系統的在當下的火爆程度毋庸置疑,個性化推薦的需求也是每一個toC產品應該實現的目標。本項目推薦系統策略與圖像與視覺處理相結合,深度解決互聯網產業的推薦業務場景。

            項目架構

            1、知識圖譜構建雙畫像2、多召回策略
            3、召回金字塔4、基于人臉
            5、場景6、表情推薦方案

            貓眼人臉支付CV

            人臉支付項目是一個基于計算機視覺方向的人臉識別項目,該項目以支付系統為背景介紹人臉處理的整體流程。利用機器學習和深度學習的方法,針對攝像頭捕獲的視頻圖像,進行人臉區域檢測,人臉跟蹤,人臉姿態的檢測,通過人臉矯正,人臉比對完成人臉的識別。

            項目架構

            1、人臉檢測的解決方案2、人臉姿態(歐拉角)檢測
            3、人臉關鍵點識別4、人臉多任務(年齡,性別等)
            5、人臉特征對比

            黑馬頭條推薦系統

            黑馬頭條推薦系統屬于機器學習與深度學習推薦應用項目,類似今日頭條、掘金等推薦。用戶可以通過黑馬頭條APP獲取個性化推薦技術文章的效果。

            項目架構

            1、Hadoop分布式文件存儲和計算2、Sqoop大規模數據遷移
            3、Lambda架構4、Flume數據采集
            5、Kafka消息隊列6、Spark機器學習
            7、用戶特征工程8、TFIDF、TextRank文本特征工程
            9、多路召回策略10、Wide&Deep深度學習模型

            萬米電商推薦系統

            根據用戶的歷史行為,挖掘出用戶的喜好,并為用戶推薦與其喜好相符的商品或者信息。同時讓一些有價值的信息能夠到達潛在的用戶之中。其中用戶畫像標簽系統為推薦系統提供數據支持,商品推薦的Ctr/Cvr點擊率/轉化率預估系統為推薦系統推薦結果提供排序依據。

            項目架構

            1、推薦系統項目業務背景介紹2、推薦系統架構
            3、企業級用戶畫像4、SparkMllib案例實戰
            5、多路召回算法6、排序算法
            7、推薦系統指標評估

            小智同學-聊天機器人

            小智聊天機器人,使用了自然語言處理的技術,實現人機對話。實現的是一個類似智能客服的系統,實現了閑聊功能和問答功能,在App上提供了入口,能夠和機器人閑聊和編程相關的問題。

            項目架構

            1、jieba分詞2、skip-gram模型
            3、CBOW模型4、詞嵌入原理word_embedding
            5、神經網絡RNN-LSTM-GRU6、Seq2Seq模型完整搭建和訓練
            7、astText+Attention注意力機制

            百京金融風控項目

            金融風控項目搭建了整套金融風控知識體系,從反欺詐、信用風險策略、評分卡模型構建等熱點知識,使得學員具備中級金融風控分析師能力。

            項目特色

            1、常見信貸風險、金融風控領域常用術語
            2、信貸審批業務基本流程、ABC評分卡概念、正負樣本定義方法等
            3、特征衍生、特征交叉、特征評估與篩選
            4、邏輯回歸評分卡、集成學習評分卡、模型評價(KS,AUC),評分映射方法,模型報告
            5、樣本不均衡的處理方法,異常點檢測的常用方法

            • 天鷹
              智能交通
            • 壹圖實時
              人臉檢測
            • 美創醫療
              在線AI醫生
            • 蜂窩頭條智
              能文本推薦
            • 泛娛樂推薦
            • 貓眼人臉
              支付CV
            • 黑馬頭條
              推薦系統
            • 萬米電商
              推薦系統
            • 小智同學
              聊天機器人
            • 百京金融
              風控項目
            咨詢獲取完整項目信息

            05技術大牛傾力研發 專職沉淀AI新技術

            • 40+解決方案

              特定目標車輛跟蹤Siamese系列模型的解決方案SORT/DeepSORT算法多目標車輛跟蹤解決方案

              建立交通流系統狀態和觀測狀態的解決方案車輛檢測、計數和分類解決方案

              圖像去畸變的解決方案實時車道線檢測的解決方案

              實時采集攝像頭人臉視頻的解決方案利用深度學習方法進行人臉屬性提取的解決方案

              動態圖像人臉定位的解決方案利用深度神經網絡進行人臉實時識別跟蹤的解決方案

              醫學影像格式轉換的解決方案肺部實質形態分割的解決方案

              利用深度學習模型進行肺結節檢測及分割的解決方案可疑病灶區域標記及預診斷的解決方案

              基于多模型級聯學習的場景識別解決方案淺CNN模型和深CNN模型集成學習

              mlp模型組合預判場景解決方案在線圖片識別-商品檢測項目(CV)

              基于端到端算法的目標檢測解決方案模型訓練中數據增強的解決方案

              基于Label Image的圖像標注的解決方案知識圖譜的雙畫像關系存儲解決方案

              動態/靜態標簽的AI屬性方案實時響應的AI金字塔召回方案

              wide-deep模型的排序模型方案醫療領域NER解決方案

              對話主題相關解決方案微信端服務部署解決方案

              對話管理系統與AI結合解決方案大規??焖傥谋痉诸惤鉀Q方案

              多模型并行預測解決方案分布式模型訓練解決方案

              多標簽知識圖譜構建解決方案基于Flume+Kafka的實時數據采集解決方案

              基于詞頻、詞向量的文章畫像抽取解決方案離線定時任務多路召回的解決方案

              wide&deep深度神經網絡模型的排序方案雙通道redis&hbase的實時請求服務解決方案

              推薦系統冷啟動解決方案中文分詞和向量化的解決方案

              基于神經網絡端到端的解決方案語言模型調優與注意力機制優化的方案

            • 10+技術棧

              模型訓練流水線模型并行預測服務模型熱更新微服務分布式模型訓練自動參數調優Fasttext模型全面解析應用Transformer遷移學習深入實踐ResNet主干視覺網絡剖析強化學習與對抗網絡解讀大型模型壓縮與知識蒸餾探索對抗網絡系列算法論文復現……

            1. 20+


              AI技術大牛
            2. 平均5+


              AI從業經驗
            3. 300+


              技術研討
            更多課程詳情

            06聚力名企共建課程 整合優質技術資源

            百度云智學院,制定人工智能人才培養方案雙方將共同制定和推廣“人工智能”人才標準及人才培養方案,并根據各自的優勢共同進行課程設計和優化,旨在培養更專業的人工智能領域人才。

            京東人工智能平臺,達成 AI 項目資源深度合作雙方將通過平臺建設、課程研發、人才培養及產品創新,圍繞人工智能數據科學、圖像與視覺處理、自然語言處理等領域開展更多深度合作。

            智能Tlias教學系統學習更有效率

            • 目標導向式學習

              課前明確學習目標
              學員全程圍繞學習目標開展學習

            • 智能指引式建議

              根據個人知識掌握
              推薦對應學習建議

            • 及時的答疑解惑

              隨時隨地在系統中提出
              問題并獲得解答

            • BI可視化呈現

              學習成果通過可視化BI報表展現
              學習情況了然于胸

            • 隨堂診斷式糾錯

              隨堂糾錯測評
              確保學習的薄弱點有效補救

            • 循序漸進式練習

              低起點、高終點的練習路徑
              提升知識應用能力

            • 階段性效果測試

              階段性評估
              明確學習薄弱點

            • 貼心的強化輔導

              專人制定專項學習計劃
              確保每一名學員不掉隊

            制定個人學習計劃
            和我們在線交談!
            欧美老妇a片视频在线_国产a级特黄的片子_久久婷婷五月综合97色直播_茄子拌土豆泥的做法视频

          1. <tr id="jt550"></tr>
            <sup id="jt550"></sup>
          2. <noframes id="jt550"><small id="jt550"><option id="jt550"></option></small></noframes>

                  <menuitem id="jt550"><video id="jt550"></video></menuitem>

                    <sup id="jt550"></sup>
                    <menuitem id="jt550"><video id="jt550"></video></menuitem><output id="jt550"><track id="jt550"></track></output>