一、培训背景

人工智能作为引领新一轮科技革命与产业变革的战略性技术，正深刻重塑全球经济格局与产业生态。随着大模型、多模态学习、强化学习等前沿技术的快速发展，人工智能已从实验室走向规模化应用，成为企业实现智能化转型、提升核心竞争力的关键驱动力。

为助力各单位把握AI技术演进脉络，推动技术与业务深度融合，本次培训聚焦人工智能“实践项目案例”与“实战应用能力”，系统梳理从基础理论到行业落地的完整知识体系，旨在培养具备前瞻视野与实操能力的高层次AI人才，为企业创新与可持续发展提供坚实支撑。

二、培训对象

1.技术管理者：技术总监、产品经理、项目主管等，需掌握AI技术路径与落地逻辑；

2.战略决策者：企业高管、业务负责人等，关注AI赋能业务、驱动组织转型与战略布局。

3.技术研发人员：包括政府、企业及高校中从事AI相关研发的工程师、研究员、架构师等；

4.高级学术人才：高校教师、硕士、博士研究生及相关专业学生等，致力于AI前沿研究与工程实践。

三、培训信息

培训形式：线下面授 + 同步直播

培训班次：

2026年6月28-30日 广州

2026年9月19-21日 上海

2026年11月26-28日 北京

培训收益

通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员获得：

1.理论知识与技能提升—深化理论理解、掌握实践技能、培养问题解决能力；

2.行业洞察与经验积累—了解行业应用趋势，积累项目实施经验，拓展行业人脉资源；

3.创新思维与能力培养—激发创新灵感，培养批判性思维，提升综合创新能力；

4.职业发展与竞争力提升—增强就业竞争力，适应职业发展需求，助力职业转型与晋升。

证书颁发

参加培训并通过考试的学员，将获得由工业和信息化部教育与考试中心统一颁发的《人工智能核心技术（高级）》职业能力证书。证书长期有效，相关信息可随时登录中心官网查询。

深度学习基础 1.神经元与神经网络

2.激活函数的点火机制

3.Sigmoid函数与参数优化

4.梯度下降法

5.简单感知机

6.多层感知机

7.Tensorflow实现感知机

8.Keras实现感知机

9.PyTorch实现感知机

深度学习进阶 1.前馈神经网络

2.误差反向传播

3.创建神经网络

4.Fashion-MNIST图像识别

5.TensorFlow构建图像识别网络模型

6.Keras构建图像识别网络模型

7.PyTorch构建图像识别网络模型

卷积神经网络与图像识别 1.卷积神经网络的结构

2.基于TensorFlow构建CNN

3.基于Keras构建CNN

4.基于PyTorch构建CNN

物体的图像识别 1.多分类数据集CIFAR-10介绍

2.CNN识别普通物体的结构

3.基于TensorFlow+CNN构建物体识别模型

4.基于Keras+CNN构建物体识别模型

5.基于PyTorch+CNN构建物体识别模型

6.模型调优提高物体识别精度

基于ResNet（残差神经网络）的图像识别 1.ResNet（残差神经网络）介绍

2.残差学习的核心优势

3.ResNet的基本网络结构

4.案例实战：基于ResNet构建高精度的图像分类器

5.迁移学习：预训练ResNet模型快速实现特定场景识别

6.ResNet变体与发展

GYM与强化学习 1.GYM安装与游戏奖罚设置

2.强化学习的与众不同

3.马尔科夫性质与决策过程

4.SARSA算法介绍与推导

5.蒙特卡洛多步采样

YOLO系列算法与目标检测实战 1.YOLO(You Only Look Once)核心概念

2.目标检测关键指标：IoU与mAP

3.YOLOv5/v8网络结构解析

4.案例实战：基于YOLOv8的安全帽佩戴识别

5.模型部署与优化

6.YOLO系列发展与展望

YOLO-Seg的实例分割实战 1.从目标检测到实例分割

2.YOLOv8-Seg模型结构解析

3.分割任务关键指标：Mask AP

4.案例实战：基于YOLOv8-Seg的道路裂缝分割

5.模型推理与掩码处理

6.YOLO在分割领域的应用与未来

飞浆的PaddlePaddle

目标检测 1.飞桨（PaddlePaddle）深度学习框架介绍

2.硬件环境介绍、要求、安装注意事项

3.PaddleDetection：飞桨官方目标检测开发套件

4.飞桨的核心优势：PP-YOLOE模型解析

5.如何快速使用PaddlePaddle进行目标检测

6.案例实战：PaddleDetection的工业零件缺陷检测

7.模型动静转换与高性能部署

注意力机制 1.点积注意力机制

2.编码与解码注意力

3.注意力机制中的Q、K、V

4.自注意力与多头注意力

TransFormer架构解析 1.各种注意力的应用

2.编码器输入与位置编码

3.编码器的内部结构

4.训练自己的TransFormer模型

Hugging Face平台介绍与使用 1.Hugging Face平台简介与生态系统

2.Hugging Face数据集库

3.Transformers库的使用

4.模型部署与推理API

➤ 刘老师 | 国内顶尖AI专家、大数据技术专家

西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。

AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。

LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSpeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。

➤ 邹老师 | 某工业大学人工智能研究院院长

博士学历，毕业于中国地质科学院，兼任天津大学创业导师、山东交通学院客座教授、硕士生导师。主持研发50多个人工智能领域工业级项目，广泛应用于能源、医疗、交通、气象、银行等多个领域。

硕博期间主持研发大型行业建模软件，代码量100万行（从底层开发是考虑后期维护和产权）。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。成立中国科学院邹博人工智能研究中心，在翔创、天识等公司担任技术顾问，曾在多个在线平台授课，广受网友好评，累计学习人数超过百万。

公开出版《强化学习》、《Python深度学习实践》、《自然语言处理》等11部专著和译著。在国内外期刊会议发表论文10余篇，获得国家发明专利1项，著书1本，译书6本。2017年主持科研项目荣获国土资源科学技术一等奖。

为众多知名企业进行过上百场讲座和内部培训，其中包括中国移动、CSDN、中国建设银行、花旗银行、中信集团、中航信、烽火科技、京东方、中科曙光、京东、大唐、完美世界等。