课程定位

面向具备技术背景的架构、研发与算法人员，以原理讲解和案例实践理解人工智能方法的选择及应用。课堂识别任务不构成产品上线、医疗判断或工具效果保证。

学习收获

• 学习人工智能理论及主要技术方法。
• 结合实际项目理解理论的应用。
• 认识人工智能应用方向与技术趋势。
• 通过交流讨论比较技术思路。

课程模块

一、人工智能基础

• 认识概念、需求、发展历史及现实案例，建立后续算法学习背景。

二、最优分类面与支持向量机

• 讨论最优分类面、SVM原理、线性不可分情形及核函数选择，结合车牌识别案例。

三、决策树与随机森林

• 联系非数值特征分析决策树引入和设计，认识随机森林及医疗系统案例。

四、人工神经网络与BP

• 从设计动机和单个神经元功能出发，学习优化、误差逆传播及注意事项，联系表情识别和流量预测。

五、深度学习训练

• 研讨过学习、损失函数、并行化、梯度消失和激励函数，认识权值衰减、Dropout及网络架构。

六、卷积神经网络

• 认识卷积概念、使用动因与结构设计，结合围棋和图像识别应用。

七、循环网络与LSTM

• 讨论循环网络用途、1-of-N编码及原理，学习长短期记忆网络，联系自然语言处理案例。

八、应用展望

• 讨论监督学习、非监督学习及“强制学习”等专题的新应用，并认识DeepMind案例。

九、识别与语言任务实践

• 使用SVM进行车牌识别，结合深度学习开展手写体、人脸识别及自然语言处理练习。

适合人群

架构师、分析师、项目经理、高级程序员及资深开发人员，人工智能、图像处理、机器学习、模式识别工程师及拟从事相关研发的技术人员。

师资信息

司老师，清华大学博士，具有人工智能、机器学习、图像处理及模式识别研究实践，曾参加在意大利举办的国际在线指纹识别竞赛并获冠军，在IEEE TPAMI等期刊发表论文，具有五项中国专利及一项美国专利相关成果。完整姓名、成果信息与当期安排以正式通知为准。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

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。