- 产品与解决方案
- 行业解决方案
- 服务
- 支持
- 合作伙伴
- 关于我们
2天（12学时）
初级
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 本课程是人工智能的基础课程，主要学习人工智能的商业应用和知识地图，方便学习者思考人工智能与自己业务如何结合应用，对人工智能相关的技术有全面的认识。
IT运维工程师，开发工程师，IT服务经理，开发经理，产品经理，架构师。
无
第一部分 人工智能概述
一、人工智能的历史使命：让人类知道更多、做到更多、体验更多
二、在大数据与深度学习中蝶化的人工智能
三、中国大脑计划：自下而上的超级工程
四、美丽新世界的严肃新问题
第二部分 人工智能的典型行业应用
一、金融领域：
1、风控和反欺诈
2、精准营销
3、智能投顾
4、智能客服
二、天气领域：
1、布置传感器收集数据
2、建立数据模型（包含天气，风向，污染源等）
3、预测污染在不同区域的变化趋势
4、根据结果模拟关闭相关污染源后对天气和经济影响
5、通过对结果的机器学习，优化预测结果并预测未来的污染水平
三、导航系统：
1、图像数据分析与处理
2、智能躲避拥堵
3、智能路况预测
四、无人驾驶
1、物体识别
2、距离识别
3、环境检测
4、路线检测
5、路线规划
第三部分 人工智能知识地图
一、机器学习
1、特征工程：
1)特征抽取
2)特征转换
3)特征选择
4)降维
5)NLP特征工程
2、回归算法：
1)Linear Regression算法
2)Lasso Regression算法
3)Ridge Regression/Classifier算法
4)Elastic Net算法
5)Logistic算法
6)K-邻近算法（KNN）
3、决策树、随机森林和提升算法：
1)决策树算法：ID3、C4.5、CART
2)决策树优化
3)Bagging 和 Bootsting算法
4)随机森林
5)Adaboost算法
6)GBDT算法
7)XGBoost
8)LightGBM
4、SVM：
1)线性可分支持量机
2)核函数理解
3)SMO算法
4)SVM回归SVR和分类SV
5、聚类算法：
1)各种相似度度量介绍和相关关系
2)K-means算法
3)K-means算法优缺点及变种算法
4)密度聚类
5)底层聚类
6)谱聚类
6、EM算法：
1)最大似然估计
2)EM算法原理讲解
3)多元高斯分布的EM实现
4)主题模型pLSA及EM算法
7、贝叶斯算法：
1)朴素贝叶斯
2)条件概率表达形式
3)贝叶斯网络的表达形式
8、隐尔马科夫模型：1)概率计算问题 2)前向/后向算法 3)HMM的参数学习 4)高斯混合模型的HMM
9、LDA主题模型：1)LDA主题模型概述 2)共轭 word2Vec效果比较
二、深度学习
1、深度学习概述
2、感知神经网络
3、BP神经网络
4、RBF径向基神经网络
5、卷积神经网络（CNN）
6、循环神经网络（RNN）
7、生成对抗网络（GAN、WGAN、EBGAN、DCGAN等）
8、推荐算法
三、常用框架
1、Tensorflow：
1)Tensorflow环境搭建
2)Tensorflow基本概念
3)Tensorflow基本用法
4)Tensorflow实例：MINIST
2、Caffe（深度学习框架，视频、图像处理上应用较多：
1)数据格式处理
2)编写网络结构文件
3)网络求解文件
注：培训中讲师会根据学员的情况进行适当的调整。
