客服咨询

意见反馈

人工智能机器学习应用工程师(中级)
人工智能机器学习应用工程师/--/
0.0
7524
视频
55.0
课时
2800.00
介绍
目录

课程概述

人工智能机器学习应用工程师(中级)

课程目标

考核评价

讲师介绍

详细介绍

学员须知

学员完成学习后,参加工业和信息化部教育与考试中心组织的统一考试,合格者将获得工信部教育与考试中心颁发的“职业能力证书”(电子版,可下载打印),纳入“工信部教育与考试中心技术技能人才数据库”,可在官网查询。优秀学员将有机会参加教育考试中心或课程项目方组织的主题会议、课程沙龙等活动,并享受就业服务指导及相关优秀企业推荐就业等服务。


课程定位

培养人工智能机器学习方向中高端人才

机器学习是人工智能的核心技术,相关人才缺口巨大,薪酬排名居于信息技术领域前列。本课程定位于培养企业紧缺的具备编程能力的机器学习方向的中高端人才,熟悉AI相关算法、深度学习原理,自然语言处理等技术,能够胜任人脸识别、语音识别、机器翻译、智能运维等相关工作。


培养对象

1.对人工智能机器学习感兴趣的政府及企、事业单位在职人员

2.本科院校、高职高专相关专业在读学生

3.对人工智能机器学习技术感兴趣的其他人员


课程主要内容

本项目以“任务驱动”方式,通过大量经典案例帮助学习者为深入理解神经网络模型、深度学习经典算法、人脸识别技术、文字和语音识别处理、机器翻译原理,熟练掌握Tensorflow平台,智能运维技术等。


讲师介绍

翟健,阿里云高级技术专家,原TOM网技术总监。编著有《机器学习原理与实战》、《深度学习原理与实战》、《数据分析与可视化》等技术学习教程。擅长案例驱动式教学,注重目标和兴趣引导,累计发布人工智能相关实战学习视频超过300小时,广受欢迎。


杨博,计算机博士,中科院资深NLP研究员,长期从事NLP与知识图谱研究工作,申请发明专利2项、部级科技进步二等奖一次,在SIGIR、CIKM及AAAI的国际会议发表多篇论文。 


皇社军,原神华科技技术总监,15年信息系  统研发经验,计算机视觉处理专家。参与设计的部分项目包括:智能矿业矿道感知系统、机器视觉表面检测系统、车路协同道路感知系统。


课程支持:北京伟东凌鸿教育科技有限公司

联系方式:4008-555-686





1-linux运维基础
任务1 linux简介及软件安装

(1385s)

任务2 压缩(linux环境配置)

(2321s)

任务3 压缩(linux常用命令及系统根目录介绍)

(3317s)

任务4 linux目录_文件及用户和组相关操作

(2006s)

任务5 vi编辑器的使用

(1603s)

任务6 权限操作和系统常用指令的使用

(1198s)

任务7 管道文件查找和软硬链接的使用

(1185s)

任务8 任务调度指令设置和主人组别设置的使用

(1244s)

任务9 linux系统下软件安装演示

(1812s)

2-深度学习原理与实战
1、第一章 任务一 初识深度学习

(1339s)

2、第一章 任务二 机器学习简史回顾

(1611s)

3、第一章 任务三 理解神经网络的工作原理

(2014s)

1、第二章 任务一 Windows下Tensorflow平台搭建

(1662s)

2、第二章 任务二 Linux下Tensorflow平台搭建

(1054s)

3、第二章 任务三 理解张量(Tensor)与运算图

(1732s)

4、第二章 任务四 使用Keras搭建序贯式模型.

(1974s)

1、第三章 任务一 前馈神经网络机制解析

(766s)

2、第三章 任务二 前馈网络实现MNIST手写数字识别(1)

(1872s)

3、第三章 任务二 前馈网络实现MNIST手写数字识别(2)

(1706s)

4、第三章 任务二 前馈网络实现MNIST手写数字识别 (3)

(823s)

5、第三章 任务三 模型的保存与加载使用(1)

(1250s)

6、第三章 任务三 模型的保存与加载使用(2)

(964s)

7、第三章 任务四 实现泰坦尼克号生存者预测案例(1)

(1674s)

8、第三章 任务四 实现泰坦尼克号生存者预测案例(2)

(1323s)

9、第三章 任务五 模型编译及训练参数的选择

(1263s)

1、第四章 任务一 理解卷积神经网络的原理及优势(1)

(1399s)

2、第四章 任务一 理解卷积神经网络的原理及优势(2)

(1123s)

3、第四章 任务二 掌握卷积神经网络参数数量的计算

(1869s)

4、第四章 任务三 基于卷积神经网络的表情识别案例(1)

(1321s)

5、第四章 任务三 基于卷积神经网络的表情识别案例(2)

(1805s)

6、第四章 任务四 OpenCV人脸采集与神经网络建模识别(1)

(1718s)

7、第四章 任务四 OpenCV人脸采集与神经网络建模识别(2)

(1738s)

8、第四章 任务四 OpenCV人脸采集与神经网络建模识别(3)

(1257s)

9、第四章 任务四 OpenCV人脸采集与神经网络建模识别(4)

(1052s)

10、第四章 任务五 了解经典的卷积神经网络结构

(1218s)

1、第五章 任务一 理解循环神经网络的结构及特点

(1504s)

2、第五章 任务二 基于RNN的IMDB电影评论分类-1

(1274s)

3、第五章 任务二 基于RNN的IMDB电影评论分类-2

(1232s)

4、第五章 任务三 基于LSTM的股票价格走势预测-1

(1298s)

5、第五章 任务三 基于LSTM的股票价格走势预测-2

(1626s)

6、第五章 任务四 了解自然语言处理库(NLTK)

(2343s)

1、第六章 任务一 掌握Tensorboard可视化工具

(1208s)

2、第六章 任务二 掌握Keras函数式模型搭建(1)

(1534s)

3、第六章 任务二 掌握Keras函数式模型搭建(2)

(1368s)

4、第六章 任务二 掌握Keras函数式模型搭建(3)

(1217s)

5、第六章 任务三 理解和掌握图像数据增广方法

(1678s)

1、第七章 任务一 Pytorch介绍及环境搭建

(800s)

2、第七章 任务二 Pytorch深度学习入门(1)

(1198s)

3、第七章 任务二 Pytorch深度学习入门(2)

(1558s)

4、第七章 任务二 Pytorch深度学习入门(3

(1505s)

5、第七章 任务三 搭建全连接网络实现MNIST手写识别

(1898s)

6、第七章 任务三 搭建全连接网络实现MNIST手写识别(2)

(1011s)

7、第七章 任务四 卷积神经网络实现CIFAR-10图像分类(1)

(1806s)

8、第七章 任务四 卷积神经网络实现CIFAR-10图像分类(2)

(1879s)

9、第七章 任务五 基于LSTM网络的航班乘客预测

(1599s)

3-AI开放平台应用
任务1 常见AI开放平台介绍

(605s)

任务2 使用腾讯AI开放平台实现机器翻译(一)

(1235s)

任务2 使用腾讯AI开放平台实现机器翻译(二)

(1216s)

任务3 使用百度AI开放平台实现人脸识别(一)

(1261s)

任务3 使用百度AI开放平台实现人脸识别(二)

(1335s)

任务3 使用百度AI开放平台实现人脸识别(三)

(1396s)

任务4 使用百度AI开放平台实现语音识别(一)

(1750s)

任务4 使用百度AI开放平台实现语音识别(二)

(1247s)

任务4 使用百度AI开放平台实现语音识别(三)

(2037s)

任务4 使用百度AI开放平台实现语音识别(四)

(1646s)

任务5 使用百度AI开放平台实现文字识别(一)

(1436s)

任务5 使用百度AI开放平台实现文字识别(二)

(862s)

任务6 使用百度AI开放平台实现图像识别(一)

(1276s)

任务6 使用百度AI开放平台实现图像识别(二)

(964s)

4-自然语言处理实战
1.第一章 任务一 课程导学

(1262s)

2.第一章 任务二 认识自然语言处理

(920s)

1 第二章 任务一 文本表示基础

(1619s)

2 第二章 任务二 掌握词向量理论(1)

(1688s)

3 第二章 任务二 掌握词向量理论(2)

(784s)

4 第二章 任务三 基于word2vec的短文本相似度计算实战(1)

(1787s)

5 第二章 任务三 基于word2vec的短文本相似度计算实战(2)

(1793s)

1、第三章 任务一 文本分类概述

(1009s)

2、第三章 任务二 掌握CNN原理:卷积、池化,Falten

(1352s)

3、第三章 任务三 掌握TextCNN原理:文本中的卷积、TextCNN整体流程、与CNN的区别

(1062s)

4、第三章 任务四 基于TextCNN的虚假新闻检测实战(1)数据集简介及数据预处理讲解

(1880s)

5、第三章 任务四 基于TextCNN的虚假新闻检测实战(2)数据加载器与模型实现讲解

(1483s)

6、第三章 任务四 基于TextCNN的虚假新闻检测实战(3)模型训练及预测讲解

(878s)

1、第四章 任务一 掌握 TextRNN原理

(1654s)

2、第四章 任务二 了解文本生成

(1087s)

3、第四章 任务三 基于TextRNN的文本生成实战(1)-1

(1197s)

4、第四章 任务三 基于TextRNN的文本生成实战(1)-2

(1089s)

5、第四章 任务三 数据加载器与模型实现讲解(2)

(1238s)

6、第四章 任务三 模型训练及预测讲解(3)

(1644s)

1、第五章 任务一 了解命名实体识别:NER定义、命名实体识别中的分类、命名实体识别编码方式

(859s)

2、第五章 任务二 掌握模型架构及原理:BILSTM+CRF模型架构,HMM原理,CRF原理

(1035s)

3、第五章 任务三 基于BiLSTM+CRF的命名实体识别实战(1)数据集简介及数据预处理讲解1

(1133s)

4、第五章 任务三 基于BiLSTM+CRF的命名实体识别实战(1)数据集简介及数据预处理讲解2

(1361s)

5、第五章 任务三 基于BiLSTM+CRF的命名实体识别实战(2)数据加载器与模型实现讲解

(1509s)

6、第五章 任务三 基于BiLSTM+CRF的命名实体识别实战(3)模型训练及预测讲解

(903s)

1、第六章 任务一 机器翻译概述

(500s)

2、第六章 任务二 Seq2Seq原理

(1022s)

3、第六章 任务三 Attention原理

(1008s)

4、第六章 任务四 基于Seq2Seq的机器翻译实战

(1183s)

5、第六章 任务四 数据加载器与模型实现讲解

(1730s)

6、第六章 任务四 模型训练及预测讲解

(924s)

1、第七章 任务一 了解关系抽取

(1108s)

2、第七章 任务二 掌握self-attention原理及Transformer原理

(1526s)

3、第七章 任务三 掌握Bert原理

(1055s)

4、第七章 任务四 基于Bert的关系抽取实战(1)

(1611s)

5、第七章 任务四 基于Bert的关系抽取实战(2)

(1279s)

6、第七章 任务四 基于Bert的关系抽取实战(3)

(1028s)

7、第七章 任务四 基于Bert的关系抽取实战(4)

(844s)

资源方logo

伟东云教育

4

门课

0

人报名学习