欢迎访问研盟网

人工智能:机器学习和深度学习+ 机器学习和深度学习之实战进阶加深|司老师|2026年12月14日|北京|9680元

来源:新中华学习网

时间:2026-11-18 22:06:08

作者:在职研联盟网

开课信息

授课老师:司老师
开课时间:2026年12月14日
上课地点:北京
课程费用:9680元
具体授课地址请在报名和出行前确认。

课程定位

以理论和完整案例提升人工智能研发实践能力。

学习收获

  • 1、深层次掌握人工智能理论,寻求人工智能研发的突破口,探知核心的秘密。
  • 2、理论应用于实际项目,不只是了解,更在于掌握。
  • 3、以实践为导向,萃取案例精化,加深理论知识,提高研发能力。
  • 4、把握人工智能的新应用,理解人工智能领域发展趋势。
  • 5、一个交流探讨的高级别平台。

课程特色

  • 培训要点
  • 随着国家在人工智能领域的战略布局,人工智能已经应用于各个方面:专家系统、自动推理、图像识别、模式识别、语音识别、自然语言理解、指纹识别、人脸识别、无人驾驶、推荐系统、社交网络、计算机视觉、智能机器人等。但是,有没有一种方法能迅速把握精髓,从而更快的进入人工智能的广阔天地呢?
  • 本次培训采用深入理论+浅出实践,实战进阶加深相结合的模式,在理论上,精选最关键最重要的理论,为进一步获取相关知识打下基础。在实践上,精选目前比较有启发性的案例并进行加深,既帮助我们理解理论,更能帮助我们开阔思路,为研发相关领域的人工智能系统,提供一条思考脉络。

课程模块

01 第一讲 人工智能简介

  • 1.1 什么是人工智能
  • 1.2 为什么要人工智能
  • 1.3 人工智能的发展简史
  • 1.4 人工智能的现实案例举例

02 第二讲 最优分类面和支持向量机

  • 2.1 什么是最优分类面
  • 2.2 支持向量机的本质是什么
  • 2.3 支持向量机在线性不可分时怎么办
  • 2.4 支持向量机中核函数如何选择
  • 2.5 支持向量机在车牌识别中的应用案例

03 第三讲 决策树

  • 31 什么是非数值特征
  • 3.2 为什么要引入决策树
  • 3.3 如何设计决策树
  • 3.4 如何构造随机森林
  • 3.5 决策树在医疗系统中的应用案例

04 第四讲 深度学习之始:人工神经网络

  • 4.1 人工神经网络的设计动机是什么
  • 4.2 单个神经元的功能
  • 4.3 人工神经网络的优化以及误差逆传播(BP)算法
  • 4.4 人工神经网络中需要注意的问题
  • 4.5 人工神经网络在表情识别、流量预测中的应用案例

05 第五讲 深度学习中的技巧和注意事项

  • 5.1 深度学习中过学习问题的处理
  • 5.2 如何选择损失函数
  • 5.3 如何并行化
  • 5.4 如何解决深度学习中梯度消失问题
  • 5.5 如何选择激励函数
  • 5.6 权值衰减、Dropout以及新的网络架构

06 第六讲 卷积神经网络

  • 6.1 卷积以及卷积网络的概念
  • 6.2 为什么在使用卷积网络
  • 6.3 卷积网络的结构设计
  • 6.4 卷积网络在围棋中的应用
  • 6.5 卷积神经网络在图像识别中的应用案例

07 第七讲 循环神经网络

  • 7.1 为什么要使用循环神经网络
  • 7.2 1-of-N编码
  • 7.3 循环神经网络的介绍
  • 7.4 长短期记忆网络
  • 7.5 长短期记忆网络在自然语言处理中的应用案例

08 第八讲 人工智能未来展望

  • 8.1 监督学习中的新应用
  • 8.2 强制学习中的新应用
  • 8.3 非监督学习中的新应用
  • 8.4 DeepMind介绍

09 第九讲 使用支持向量机进行车牌识别

  • 第九讲 使用支持向量机进行车牌识别

10 第十讲 使用深度学习进行手写体识别、人脸识别以及自然语言处理

  • 第十讲 使用深度学习进行手写体识别、人脸识别以及自然语言处理

11 第十一讲 机器学习项目进阶加深:实现与改进

  • 1,支持向量机实现车牌识别:案例实现与分析改进
  • 车牌数据预处理以及要注意的问题
  • 特征提取及特征选择
  • 单特征识别模型搭建
  • 特征融合实现、改进及注意的问题
  • 实现车牌识别全流程自动化的关键改进
  • 2,决策树实现银行客户贷款风险预测:案例实现与分析改进
  • 决策树的模型搭建
  • 如何选择决策树的分裂属性以及深层次思考
  • 如何根据测试结果进行决策树的优化
  • 决策树中的剪枝实现
  • 随机森林的实现及注意事项
  • 3,讨论互动:学员提出问题并进行相互讨论
  • 4,案例总结:萃取案例中的经验并进行推广应用

12 第十二讲 深度学习项目进阶加深:实现与改进

  • 1,卷积神经网络实现人脸识别:案例实现与分析改进
  • 网络搭建
  • 如何根据结果进行网络结构调整(逐步讲解与分析)
  • 如何根据结果进行参数调整(逐步讲解与分析)
  • 最终的参数如何确定(不在是混乱尝试,而是深层次理解参数的含义)
  • 2,卷积神经网络实现手写体识别:案例实现与分析改进
  • 网络搭建(注意与人脸识别案例的对比)
  • 如何根据结果进行网络结构调整(注意与人脸识别案例的对比)
  • 如何根据结果进行参数调整(注意与人脸识别案例的对比)
  • 最终的参数如何确定(注意与人脸识别案例的对比)
  • 3,循环神经网络实现客户评价分类:案例实现与分析改进
  • 网络搭建
  • 如何根据结果进行网络结构调整
  • 如何根据结果进行参数调整
  • 最终的参数如何确定
  • 4,讨论互动:学员提出问题并进行相互讨论
  • 5,案例总结:萃取案例中的经验并进行推广应用

适合人群

架构师、分析师、项目经理、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、模式识别工程师以及未来可能从事人工智能研发的技术人员

师资信息

司老师 清华大学博士,人工智能方面专家,在意大利举办的国际在线指纹识别竞赛中获得冠军,在机器学习和模式识别领域顶级期刊IEEE TPAMI等期刊发表多篇论文,拥有5个中国专利和1个美国专利,是人工智能、深度学习、机器学习和图像处理和模式识别领域的实战派专家。

温馨提示:本文内容根据课程内容整理,各模块实际讲授内容由授课老师根据学员情况灵活调整,最终以课堂授课为准。

信息来源:新中华学习网公开课。

课程常年开班,获取最新开班时间或内训详细方案和报价,咨询:400-061-6586

在线报名(提交表单后,我们将尽快联系您)

*意向课程

请输入课程

*姓  名

请输入姓名

*手  机

请输入手机号码

项目分类