AI软件工程师
【课程大纲】
第一阶段：Python语言及应用
课程内容：
Python语言基础，面向对象设计，多线程编程，数据库交互技术，前端特效，Web框架，爬虫框架，网络编程
掌握技能：
掌握Python语言语法及面向对象设计；
掌握Python多线程并发编程技术，数据库交互技术，为大数据分析及挖掘做准备；
掌握三大Python后端框架结构，解决Web前后端开发问题；
掌握分布式多线程大型爬虫技术，开发企业级爬虫程序；
掌握与机器学习、深度学习相关的基础数学知识，训练。
第二阶段：机器学习与数据分析
课程内容：
机器学习概述，监督学习，非监督学习，数据处理，模型调优，数据分析，可视化，项目实战
掌握技能：
进入人工智能领域，掌握机器学习及数据分析基本概念；
掌握机器学习经典算法相关原理及优化过程；
掌握数据处理基本方法，结合实际项目实现数据。
第三阶段：深度学习
课程内容：
深度学习概述，TensorFlow基础及应用，神经网络，多层LSTM，自动编码器，生成对抗网络，小样本学习技术，项目实战。
掌握技能：
掌握TensorFlow、BP神经网络、CNN卷积神经网络、递归神经网等深度学习算法；
掌握自动编码机，序列到序列网络、生成对抗网络，孪生网络等基本应用；
掌握深度学习前沿技术，并根据不同项目选择不同的技术解决方案；
掌握小样本技术，及与深度学习融合的相关方法，
第四阶段：图像处理技术
课程内容：
图像基础知识，图像操作及运算，图像几何变换，图像形态学，图像轮廓，图像统计学，图像滤波，项目实战。
掌握技能：
掌握图像处理技术相关基础知识；
掌握图像降噪、增强、复原、分割、提取特征等处理的方法和技术应用技巧；
掌握图像与前沿深度学习处理方法的结合方法；
掌握前沿深度学习模型，实现图像分类、目标检测、
【实战项目】
项目一：人脸识别
本项目可以利用深度学习框架，完成人脸检测的核心技术、图像类别识别的操作训练，构建网络模型并展开分析与评估，方便学员快速进行项目实践！
项目二：图像检索与分类
基于卷积神经网络，使用Tensorflow框架完成模型训练以及验证，在训练过程中学习出对应的二值检索向量，采用邻域比较方法提高检索速度。
项目三：手工数字识别
通过对手写数字识别功能的实现，可以帮助我们后续对神经网络的理解和应用。非常适合作为其它技术的基础，有利于理解深度学习相关的应用知识。
项目四：Caffe与TensorFlow
Caffe与Tensorflow是两款深度学习最火框架，结合案例将会演示如何应用框架构造神经网络模型并完成案例任务，促进深度学习相关知识的掌握。
项目五：行人检测
该技术可与行人跟踪，行人重识别等技术结合，应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。
项目六：智慧城管
本项目根据视频监控图像，利用图像处理技术、人工智能算法，自动识别图像中的违规违章现象，实现城市管理的智能化。
项目七：车辆检测与识别
本项目自动检测图像中的车辆信息，并进行敏感数据的脱敏操作，提高数据利用率同时避免信息泄露。
项目八：交通流预测
本项目采集城市交通数据，并对这些历史数据进行分析、整理，对道路车流量进行预测模型的建立，实现道路在未来一段时间内的交通流量预测。
- 招生对象：18岁-35岁
- 学 制：
- 开学时间：滚动开班
- 报名截止：不限
- 学 费：电询
- 网报价格：电询
- 颁发证书：
- 备 注：学生可选择网上报名。
- 在线咨询：
