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: