「人工智慧師資班」(Python機器學習,圖像識別與深度學習,深度學習與NLP,知識圖譜,強化學習)

2020/11/30

點擊上方藍字關注我們 

為進一步推動高等院校人工智慧教學工作的開展，加強國內各高等院校同行間的交流，培養國內的師資力量，將人工智慧最新實訓內容帶入課堂，特舉辦「人工智慧系列課程理論與實踐」培訓班。

本次培訓分為Python機器學習，圖像識別與深度學習，深度學習與NLP，知識圖譜和強化學習五大專題。本次培訓由權威專家主講，提供實驗環境及實驗數據，並提供配套資料，通過剖析工程案例展現機器學習、深度學習落地全過程。

培訓暫定2021年1月5日開始，每個專題6天左右，一共28天，直播集訓。本次培訓由淺入深，面向0基礎、不懂機器學習、不具備任何Python基礎的老師和同學。支持信用卡、公務卡、對公轉帳，提供發票（培訓費、會議費、會務費）

頒發證書：參加相關培訓的學員可以獲得：工業和信息化部頒發《機器學習》、《深度學習》、《強化學習》《知識圖譜》等培訓證書。該證書可在工信部相關網站查詢，可作為能力評價、考核和任職的重要依據。考試及證書費用（可選）： 500 元/人

培訓形式：線上直播，

時間及報名：可諮詢：13932327338  微信同號

掃碼關注公眾號或加微信好友

2021.1.5-2021.2.1 每晚19:30-22:00

一、培訓安排

時間安排

培訓內容

培訓時間

價格

1月5日—1月9日

Python機器學習

 

 

 

  每晚

 19:30-22:00

報名一門課程：

2980元/人

報名全部課程：

原價14900元/人

現價：5980元/人

 

1月10日—1月15日

圖像識別與深度學習

1月16日—1月21日

深度學習與NLP

1月22日—1月26日

知識圖譜

1月27日—2月1日

強化學習

 

 

二、主講人

 

鄒博（鄒偉），睿客邦創始人，華東建築設計研究院研究員、山東交通學院客座教授、碩士生導師，南昌航空大學雙師型教師、中國軟體行業協會專家委員、上海市計劃生育科學研究所特聘專家、天津大學創業導師、中國醫藥教育協會老年運動與健康分會學術委員、《聊城大學學報》編委；睿客邦當前進入發展第4年，已經與全國十多所高校建立了AI聯合實驗室，完成和在研50多個AI工業項目，廣泛應用於醫療、交通、農業、氣象、銀行、電信等多個領域。

四、課程介紹

 

專題一：Python網絡爬蟲、數據分析及機器學習

課程簡介

通過大量案例快速介紹 Python 運算符、表達式、內置函數，列表、元組、字典、集合，以及等內容。學習完這些基礎內容之後，重點學習python網絡爬蟲、網絡爬蟲原理與應用、numpy 數組運算與矩陣運算、pandas 數據分析、matplotlib數據可視化以及 sklearn 機器學習等方面的內容，結合最新的案例進行實戰。

 

課程特點

1) 報名贈送全部PPT和案例原始碼、實驗錄播課及實驗手冊等資源。

2) 全案例教學，邊講邊練，實戰性強，助教輔導，力爭讓每位學員掌握所學內容。

 

課程大綱

1、Python基礎學習

解釋器Python2.7/3.x、IDE：Anaconda/Pycharm

列表/元組/字典/類/文件

Python安裝與環境配置

Python基本數據類型：list, dict, tuple, set等

Python文件操作：txt, excel等

Python 的標準庫

Python高級用法：切片、迭代、map、filter、reduce

代碼和案例實踐：

公路堵車概率模型Nagel-Schreckenberg實現

負二項分布與比賽勝率

本福特定律

蝴蝶效應：Lorenz系統的三維繪製

 

2、python網絡爬蟲

字符串重要方法應用

中英文分詞，拼音處理

網頁文本提取與圖片下載

簡單反爬機制對抗

代碼和案例實踐：

《青春有你2》選手數據爬取與分析

《安家》影評爬取與數據分析

《乘風破浪的姐姐》數據爬取與分析

《平凡的榮耀》數據爬取與分析

中國工程院院士信息爬取與分析

爬取某學校所有新聞

演員數據分析，最受歡迎的演員、關係最好的演員組合

3、Python數據分析

Numpy/Scipy/Pandas/Matplotlib/Seaborn庫

Numpy基礎屬性與數組創建

Numpy索引

Numpy數學運算與常用分布

Pandas數據處理與分析

Pandas文件讀寫和個性化控制

Pandas的concat與merge

Matplotlib 基本圖結構介紹

基於Matplotlib繪製散點圖、柱狀圖、等高線圖、3D圖等

多圖合併與圖片文件存取

scikit-learn的介紹和典型使用

XGBoost、LightGBM

多元高斯分布

典型圖像處理

多種數學曲線

多項式擬合

代碼和案例實踐：

股票數據分析

圖像處理與奇異值分解SVD

飯店營業額數據分析

散點圖，商場內手機信號強度分布，燒烤店營業額

餅狀圖，學生成績分布

 

4、回歸分析

線性回歸

Logistic/Softmax回歸

廣義線性回歸

L1/L2正則化

Ridge與LASSO

Elastic Net

梯度下降算法：BGD與SGD

特徵選擇與過擬合

Softmax回歸的概念源頭

最大熵模型

K-L散度

代碼和案例實踐：

線性回歸算法兒童身高預測

股票數據的特徵提取和應用

鐵達尼號乘客缺失數據處理和存活率預測

環境檢測數據異常分析和預測

二手車數據特徵選擇與算法模型比較

廣告投入與銷售額回歸分析

鳶尾花數據集的分類

5、決策樹和隨機森林

熵、聯合熵、條件熵、KL散度、互信息

最大似然估計與最大熵模型

ID3、C4.5、CART詳解

決策樹的正則化

預剪枝和後剪枝

Bagging  Boosting AdaBoost  GBDT XGBoost

隨機森林

不平衡數據集的處理

利用隨機森林做特徵選擇

使用隨機森林計算樣本相似度

異常值檢測

代碼和案例實踐：

根據三圍信息判斷性別

葡萄酒數據集的決策樹/隨機森林分類

泰坦尼克乘客存活率估計

 

6、SVM

線性可分支持向量機

軟間隔

損失函數的理解

核函數的原理和選擇

SMO算法

支持向量回歸SVR

多分類SVM

 

代碼和案例實踐：

支持向量機手寫數字圖像識別

原始數據和特徵提取

調用開源庫函數完成SVM

數字圖像的手寫體識別

MNIST手寫體識別

SVR用於時間序列曲線預測

SVM、Logistic回歸、隨機森林三者的橫向比較

垃圾郵件分類

7、聚類

各種相似度度量及其相互關係

 Jaccard相似度和準確率、召回率

 Pearson相關係數與餘弦相似度

 K-means與K-Medoids及變種

 AP算法(Sci07)/LPA算法及其應用

 密度聚類DBSCAN/DensityPeak(Sci14)

 譜聚類SC

 聚類評價和結果指標

代碼和案例實踐：

向量量化VQ及圖像近似

併查集的實踐應用

密度聚類的異常值檢測

譜聚類用於圖片分割

使用聚類算法壓縮圖像顏色

 

項目案例展示（部分）

1、繪製折線圖、散點圖、熱力圖輔助數據分析

2、基於協同過濾算法的電影打分與推薦

演示協同過濾算法原理以及 Python 內置函數、字典與集合、選擇結構、循環結構、標準庫 random 的用法。

 

3、用python演示鐵達尼號生存預測、二手車特徵選擇和識別以及紅酒分類

 

 

4、用python進行鮑魚年齡預測、波士頓房價預測。

 

5、小額貸款風控特徵計算和用戶逾期預測

專題二：圖像識別與深度學習

課程簡介：

機器視覺是人工智慧技術最經典的技術，起步早，發展成熟，在識別、定位、測量、分揀等當面都有相當成熟的應用。機器視覺技術主要包含圖像識別與目標偵測，本課程主要就是介紹這兩個方面的基礎內容；從圖像處理，到圖像特徵抽取，到特徵學習，主要介紹了基於卷積神經網絡的一些機器學習算法及其簡單應用。本課程主要以編程實現為主，用來強化機器視覺的理論與應用認知。

 

課程大綱：

1、圖像處理與計算機視覺

skimage來源、簡介與安裝

OpenCV

將視頻轉換為圖像序列

圖像可視化與幾何作圖

HSV、RGB與圖像顏色空間的轉換

圖像增強與(局部)直方圖均衡化

給予邊緣和區域的圖像分割

gamma矯正和對數矯正

亮度區域檢測與前景提取

圖像邊緣檢測/特徵提取與圖像算子

代碼和案例實踐：

人臉檢測

以圖搜書

異物檢測

光流跟蹤

regional maxima檢測與應用

 

2、圖像視頻綜合處理

Gabor/Laplace/Prewitt/Roberts

Scharr/Sobel/Niblack/Wiener

圖像形態學：開/閉/凸包/膨脹/腐蝕

雙邊濾波器/小波降噪/wiener濾波

角點檢：Harris，Shi-Tomasi

SIFT、SURF算法

視頻分析：Meanshift 和 Camshift 算法

代碼和案例實踐：

HAAR/HOG/LBP等特徵應用

視頻前景背景分析與異物檢測

光流跟蹤

車輛跟蹤

 

3、卷積神經網絡CNN

神經網絡結構，濾波器，卷積

池化，激活函數，反向傳播

目標分類與識別、目標檢測與追蹤

AlexNet、VGGNet、GoogleLeNet

Inception-V3/V4

ResNet、DenseNet, EfficientNet

反卷積原理

UNet搭建

代碼和案例實踐：

人臉數據爬取與識別

指紋識別

海洋生物分類

人臉打分

表情識別

場景分類

美食圖片分類

斑馬線檢測

中草藥識別

貓狗大戰

以圖搜圖

人證合一

  狗臉識別

 

4、圖像視頻的定位與識別

視頻關鍵幀處理

物體檢測與定位

TwoStage模型：RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN, Cascadercnn, EffiicientDet

OneStage模型：YOLO、SSD

小目標識別技術方案

人臉檢測與識別：MTCNN、SSH、S3FD、PyramidBox、 FaceNet

YOLOv3的使用

代碼和案例實踐：

  室內場景下的物體識別

人臉檢測

OCR字體定位和識別

睿客識雲

氣象識別

基於YOLO-v3的目標檢測

 

 

項目案例展示（部分）

1、道路病害檢測

 

2、微光夜視增強

 

3、人臉識別、指紋識別

 

4、貓狗分類

 

5、室內場景單/多目標檢測

 

 

 

6、狗臉識別

 專題三：深度學習與NLP

課程簡介

《自然語言處理》課程是 python 機器學習和深度學習的進階課程，通過學習這門課程，你會了解自然語言處理的基本概念和應用場景，掌握通過 python 來對語音或文本進行處理、並利用機器學習和深度學習算法進行建模，解決人機對話、機器翻譯、情感分析和語音識別等實際問題。

本課程主要培養訓練學員掌握 python 實現中文自動分詞，詞性標註，句法分析，自然語言生成，文本分類，信息檢索，信息抽取，文字校對，問答系統，機器翻譯，自動摘要，文字蘊涵。

課程特點

1) 報名贈送全部PPT和案例原始碼、實驗錄播課及實驗手冊等資源。

2) 全案例教學，邊講邊練，實戰性強，助教輔導，力爭讓每位學員掌握所學內容。

 

課程大綱：

1、經典NLP技術

語言模型Bi-Gram/Tri-Gram/N-Gram

分詞

詞性標註

依存句法分析

語法樹及其意義

語義關係抽取

詞向量

文本分類

問答系統

情感分析

代碼和案例實踐：

NLTK 工具包使用

WordCloud 製作詞雲

TextRank 關鍵詞提取

Jieba 實現 TFIDF 算法

輸入法設計

HMM分詞

文本摘要的生成

智能對話系統和SeqSeq模型

閱讀理解的實現與Attention

 

2、中文分析與特徵抽取

詞嵌入和word2vec

skip-gram方法

CBOW

Glove

前向/後向算法

HMM的參數學習

CRF

Baum-Welch算法詳解

Viterbi算法詳解

隱馬爾科夫模型的應用優劣比較

共軛先驗分布

Laplace平滑

Gibbs採樣詳解

Metropolis-Hastings算法

MCMC

代碼和案例實踐：

敏感話題分析

網絡爬蟲的原理和代碼實現

GMM-HMM用於股票數據特徵提取

HMM用於中文分詞

文件數據格式UFT-8、Unicode

發現新詞和分詞效果分析

 

3、卷積神經網絡CNN

複習卷積神經網絡

代碼和案例實踐：

句子分類

word2Vec 影評數據分析

文本分類

訓練詞向量

電影情感分析

4、空間序列模型RNN

RNN基本原理

LSTM、GRU

Attention、Self-Attention

CNN+LSTM模型

Bi-LSTM雙向循環神經網絡結構

編碼器與解碼器結構

特徵提取：word2vec

Seq2seq模型

Bert相關: Bert ALBert XLNet，ERNIE

Transformer

代碼和案例實踐：

聊天機器人

中英文翻譯系統

看圖說話

視頻理解

藏頭詩生成

問答對話系統

OCR

循環神經網絡調參經驗分享

智能對話系統

新聞質量與輿情監測

 

 

項目案例展示（部分）

1、新詞發現和詞雲展示

2、 看圖說話

3、情感分析

 

4、機器翻譯

 

5、聊天機器人（如何訓練一個像小冰的機器人） 

 

 

專題四：知識圖譜

課程簡介：

知識圖譜是大數據時代知識表示的主要形態之一，是人工智慧應用不可或缺的基礎資源。知識圖譜現在已經在語義搜索、問答系統、個性化推薦等領域得到了較為廣泛的應用。本課程對知識圖譜基礎知識，領域應用和學術前沿趨勢進行介紹。接著重點講解知識圖譜核心技術，並根據應用案例，手把手帶領大家實現工程項目。

 

課程大綱：

1、知識表示與建模

知識圖譜概念、發展歷程

知識圖譜類型和代表性知識圖譜

知識表示概述

知識表示框架

代碼和案例實踐：

  使用protégé進行本體的構建

 

2、知識源數據的獲取

結構化數據的獲取

非結構化數據的獲取

 

代碼和案例實踐：

將mysql數據導出為圖譜源數據

股票吧信息爬取實戰

使用爬蟲獲取企業法人等信息

獲取企業風險知識圖譜源數據

3、知識抽取

知識抽取概述

實體抽取技術：基於命名實體、基於關鍵詞

關係抽取技術

事件抽取技術

 

代碼和案例實踐：

基於LSTM+CRF的命名實體識別

CNN關係抽取

基於模板完成事件抽取

    使用hanlp抽取法人名稱、企業名稱等信息

使用TextRank算法完成知識抽取

使用句法依存算法關係抽取

4、知識融合

知識融合概述

實體統一

實體消歧

知識合併

代碼和案例實踐：

使用jieba完成公司名的實體統一

使用tf-idf完成實體消歧

6、知識存儲

知識圖譜數據模型、RDF圖、屬性圖

基於關係的知識圖譜存儲管理

關係資料庫

Jena

原生知識圖譜存儲管理

圖資料庫neo4j

 

代碼和案例實踐：

neo4j的安裝與部署

neo4j實戰操作

使用neo4j工具導入知識圖譜

知識圖譜查詢語言

 

7、案例：使用neo4j從零搭建簡單知識圖譜

項目背景

數據模型設計

使用爬蟲獲取原始數據

構建知識圖譜

展示知識圖譜

使用neo4j完成知識推理

代碼和案例實踐：

基於金融知識圖譜的問答機器人

基於法律領域的知識圖譜

     基於醫藥知識圖譜的問答系統

 

 

項目案例展示（部分）

1、BiLSTM+CRF命名實體識別模型

每個句子按照詞序逐個輸入雙向LSTM中，結合正反向隱層輸出得到包含每個詞類別特徵的表示，輸入CRF中，優化目標函數，從而得到每個詞所屬的實體類別。

 

 

 

2、基於卷積神經網絡的關係分類方法

通過詞向量表示詞彙的語義特徵，通過CNN表示句子的語義特徵。

 

3、圖資料庫的使用

介紹jena的用法，掌握關係資料庫向圖資料庫中三元組的轉換。

 

3、基於分布式表示的知識推理

 

 

4、基於知識圖譜的問答系統

 

專題五：強化學習

課程簡介：

了解強化學習的前沿發展態勢，明確人工智慧與強化學習相結合的理論研究方向。系統掌握強化學習各經典算法（基礎求解法和聯合求解法）的技術原理，能夠編程實現各經典算法。掌握迷宮尋寶、飛翔的小鳥、小車倒擺、鐘擺、AlphaGO、AlphaGO Zero、AlphaZero的技術原理和代碼實現。了解強化學習在工業界的落地應用，可以從零開始，動手操作，使用各經典算法解決經典的強化學習問題。

 

課程大綱：

1、強化學習概述

強化學習的定義和原理

智能體的組成

強化學習和其他機器學習的關係

強化學習的分類

強化學習的研究方法

強化學習的重點概念

2、馬爾可夫決策過程

馬爾可夫性

馬爾可夫過程

馬爾可夫決策過程

貝爾曼期望方程

貝爾曼最優方程

最優策略

3、動態規劃

動態規劃基本思想

策略評估

策略改進

策略迭代算法

值迭代算法

代碼和案例實踐：

網格世界尋寶

網格世界環境描述

策略迭代算法運行流程

值迭代算法運行流程

核心代碼演示

算法小結

4、蒙特卡羅

蒙特卡羅核心思想

蒙特卡羅評估

增量式方法

蒙特卡羅控制

在線策略/離線策略

在線策略蒙特卡羅算法

重要性採樣離線策略蒙特卡羅算法

加權重要性採樣離線策略蒙特卡羅算法

代碼和案例實踐：

  「十點半」遊戲

遊戲介紹及環境描述

在線策略蒙特卡羅算法運行流程

加權重要性採樣離線策略蒙特卡羅算法運行流程

核心代碼演示

算法小結

5、時序差分

時序差分簡介、TD目標值 / TD 誤差

DP/MC/TD對比

在線策略TD：Sarsa算法

離線策略TD：Q-learning算法

 

代碼和案例實踐：

帶陷阱的網格世界尋寶

環境描述

Sarsa算法運行流程

Q-learning算法運行流程

核心代碼演示

算法小結

6、資格跡

前向視角/後向視角

多步TD

前向TD(λ)算法

後向TD(λ)算法

前向Sarsa(λ)算法

後向Sarsa(λ)算法

前向Watkins’s  Q(λ)算法

後向Watkins’s  Q(λ)算法

代碼和案例實踐：

風格子世界

環境描述

後向Sarsa (λ) 算法運行流程

後向Watkins’s  Q(λ)算法運行流程

核心代碼演示

算法小結

7、值函數逼近

表格型強化學習/函數近似型強化學習

線性逼近/非線性逼近

增量法

值函數逼近-Sarsa算法

批量法

值函數逼近-Q-learning算法

人工神經網絡（卷積、池化、全連接）

DQN方法

Double DQN方法

Dueling DQN方法

代碼和案例實踐：

飛翔的小鳥

遊戲簡介及環境描述

算法運行流程

核心代碼演示

算法小結

 

8、隨機策略梯度

隨機策略梯度簡介

策略梯度優缺點

策略梯度方法分類

隨機策略梯度定理

REINFORCE方法

帶基線的REINFORCE方法 

代碼和案例實踐：

小車上山

遊戲簡介及環境描述

REINFORCE算法運行流程

核心代碼演示

算法小結

9、 Actor-Critic及變種

AC與帶基線 REINFORCE的不同

A2C方法

異步方法簡介及核心思想

異步 Q-learning 方法

異步 Sarsa 方法

異步 n步 Q-learning方法

A3C方法

代碼和案例實踐：

鐘擺

遊戲簡介及環境描述

A3C算法運行流程

核心代碼演示

算法小結

10、學習與規劃

有模型方法和無模型方法

模型擬合

Dyna框架

Dyna-Q算法

Dyna-Q+

優先級掃描的Dyna-Q

Dyna-2算法

代碼和案例實踐：

迷宮尋寶

遊戲簡介及環境描述

Dyna-Q算法運行流程

核心代碼演示

算法小結

11、博弈強化學習

博弈及博弈樹

極大極小搜索

Alpha-Beta 搜 索

蒙特卡羅樹搜索

AlphaGo基本原理

AlphaGo神經網絡

AlphaGo蒙特卡羅樹搜索

AlphaGo的整體思路

AlphaGo Zero下棋原理

AlphaGo Zero的網絡結構

AlphaGo Zero的蒙特卡羅樹搜索

AlphaGo Zero總結

AlphaZero

代碼和案例實踐：

五子棋

遊戲簡介及環境描述

算法運行流程（MCTS算法和 MCTS+神經網絡算法）

核心代碼演示

算法小結

 

精彩分享

 

 

 

常見問題

1、 參加本次課程有什麼要求嗎?

面向任何對人工智慧感興趣的學員。可以是0基礎、不懂機器學習、不具備任何Python基礎的學員。

2、 本課程怎麼答疑？

可以直接在線問導師；也可以隨時向學習社群的專業助教導師提問，助教會給大家及時答疑。

3、 上課時間和課程安排是怎麼樣的？

每個課程周期為6天，直播教學。

4、 錯過了直播怎麼辦？

會以視頻回放的形式給大家補課。

5、 代碼實戰是以什麼形式講解？

會挑選重點project給大家逐行講解，保證大家看得懂學得會寫得出。

6、 如何保證100%就業？

認真學完整個課程，做完全部作業，導師會推薦大廠就業。並且

歡迎大家來鄒博自己的公司-睿客邦工作。

 

附件：近兩年鄒博獲獎和培訓情況節選

 

2019年6月，山東交通學院客座教授

 

2019年12月，南昌航空大學雙師型教師

 

2017年12月，天津大學「創業導師」

 

『一種地質勘探三維可視化儲量結算方法』獲得專利授權，專利號：ZL201410025108.6

 

2017年國土資源科學技術一等獎，全國重要礦產資源潛力評價，國土資源部

更多中科圖雲自媒體平臺

                                                                                   點擊右下角在看