企业系统架构师、系统分析师、高级程序员、资深开发人员、人工智能工程师、图像处理工程师、机器学习工程师、模式识别工程师、高校/科研院所牵涉到人工智能与机器学习的项目负责人及未来可能从事人工智能研发的技术

模块 课程简介 具体内容

模块一 人工智能简介 -人工智能的发展

-人工智能的内涵

-人工智能的分类

-人工智能的技术基础

-人工智能的典型应用

模块二 机器学习概论 -机器学习的定义、发展、演化

-机器学习、人工智能和数据挖掘之间的关系

-机器学习的应用领域

-机器学习流程

模块三 机器学习方法及应用案例 -机器学习的常用算法

-数据可视化及技术案例

-常见分类算法及其典型应用

-常见聚类算法及其典型应用

-数据挖掘常用方法

-可视化工厂

-人力管理数据分析

-某制造业质量分析、机器寿命预测案例

模块四 机器学习算法练习

-决策树与随机森林

-聚类分析算法

-逻辑回归算法

-朴素贝叶斯算法

-神经网络

-回归分析

-采购流程绩效影响因素分析

-制造企业销售预测

-制造企业电力能源预测案例

模块五 深度学习技术简介 -深度学习前世今生

-深度学习基础

-常见网络结构及应用

CNN卷积神经网络算法模型及应用

RNN循环神经网络算法模型及应用

LSTM神经网络算法模型及应用

-人脸识别与语音合成应用

-选股助手应用

模块六 机器学习常见问题

/数据分析过程中的主要问题 -数据质量问题与预处理

-数据分析常见陷阱

-数据分析方法的选择

-数据分析结果的评价

-常见的机器学习语言和平台Anaconda\Tensorflow