尹老师 资深软件架构师,移动云计算专家
多(duō)年从事大数据、云计算研发工作经验,数學(xué)博士,北航移动云计算硕士,资深软件架构师,移动云计算专家,主要研究方向包括云计算、大数据、移动开发、互联网营销、電(diàn)子商(shāng)務(wù)、项目管理(lǐ)等;某大型知名企业首席架构,负责PaaS平台研发。
IT从业近二十年,秉承理(lǐ)论与实践相结合,在學(xué)习中实践,在实践中學(xué)习,积累了丰富的理(lǐ)论与实践经验,并且乐于将自己的经验分(fēn)享。尹老师具有(yǒu)敏锐的目光与头脑,发现并集成整合社会资源,為(wèi)企业节省资源并创造价值,达到為(wèi)合作伙伴创收的目的。曾為(wèi)多(duō)家國(guó)内知名企业提供培训与咨询,包含阿里集团、阿尔卡特朗讯、中國(guó)移动、中國(guó)電(diàn)信、当当网、中石油、中航國(guó)际等。拥有(yǒu)大数据、大流量、高并发、分(fēn)布式的大型网站架构和设计经验。曾主导过多(duō)个私有(yǒu)云建设项目,早些年也主导过ERP、CMS等软件项目,这些项目中包含多(duō)个数百万、上千万的大型项目。
在工作中研究新(xīn)技术、新(xīn)框架、及时更新(xīn)知识體(tǐ)系,并長(cháng)期坚持编写架构核心代码。在技术平台方面,善于Hadoop、Spark、Docker、OpenStack、Storm等技术平台的应用(yòng)与运维。深入理(lǐ)解Hadoop、HDFS、HBase、MapReduce、Zookeeper、Hive、Sqoop、BigTable 等大数据技术和开源框架理(lǐ)论。对于云计算體(tǐ)系有(yǒu)深刻认识,及独到的见解,如OpenStack的技术架构、安装部署、运维等。在移动云计算方面,善于设计与建设云计算體(tǐ)系;也善于移动云计算相关的咨询与培训。在项目管理(lǐ)方面,善于使用(yòng)敏捷项目管理(lǐ)方法,把客户的需求变更作為(wèi)常态,作為(wèi)软件架构设计的一部分(fēn),减少需求变更带来的返工;善于捕捉、挖掘、分(fēn)析客户需求,為(wèi)用(yòng)户提供满意的产品,项目经历:贵州省政府云呼叫中心建设项目、广东发展银行電(diàn)营、运维大数据分(fēn)析项目、中石油工程设计西南分(fēn)公司云计算项目评审委员、中石油大数据挖掘项目,電(diàn)商(shāng)库存预测大数据分(fēn)析项目、大型ERP、電(diàn)子商(shāng)務(wù)、CRM、電(diàn)子政務(wù)等多(duō)个项目。
2015年到2018年着重在AI人工智能(néng)方向研究,曾给平安,中國(guó)银行培训过。
课程简介
人工智能(néng)(Artificial Intelligence),英文(wén)缩写為(wèi)AI。它是研究和开发用(yòng)于模拟、延伸和扩展人的智能(néng)的理(lǐ)论、方法、技术及应用(yòng)系统的一门新(xīn)的技术科(kē)學(xué)。是对人的意识、思维的信息过程的模拟。人工智能(néng)不是人的智能(néng),但能(néng)像人那样思考、也可(kě)能(néng)超过人的智能(néng)。
人工智能(néng)是计算机科(kē)學(xué)的一个分(fēn)支,它企图了解智能(néng)的实质,并生产出一种新(xīn)的能(néng)以人类智能(néng)相似的方式做出反应的智能(néng)机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理(lǐ)和专家系统等。人工智能(néng)从诞生以来,理(lǐ)论和技术日益成熟,应用(yòng)领域也不断扩大。
人工智能(néng)是一门极富挑战性的科(kē)學(xué),从事这项工作的人必须懂得计算机知识、心理(lǐ)學(xué)和哲學(xué)。人工智能(néng)是包括十分(fēn)广泛的科(kē)學(xué),它由不同的领域组成,如机器學(xué)习、计算机视觉、神经网络等等,总的说来,人工智能(néng)研究的一个主要目标是使机器能(néng)够胜任一些通常需要人类智能(néng)才能(néng)完成的复杂工作。
随着大数据时代的快速到来,以及大数据在生产生活中迅速应用(yòng),数据分(fēn)析、数据建模、数据挖掘、机器學(xué)习、深度學(xué)习、人工智能(néng)等重要性越发突出,本课程是针对大数据时代的特点,老师总结多(duō)年数据分(fēn)析经验,而精心设计的课程,课程内容涵盖了数据领域的数据处理(lǐ)、统计分(fēn)析、数据挖掘、机器學(xué)习、神经网络、深度學(xué)习、人工智能(néng)等内容,以及人工智能(néng)的应用(yòng)范围、发展前景剖析。
培训目标
培训对象
培训方式
以课堂讲解、演示、案例分(fēn)析為(wèi)主,辅以互动研讨、现场答(dá)疑、學(xué)以致用(yòng)。
课程大纲
内容 |
第一篇 介绍人工智能(néng)的渊源及范围 |
1. 人工智能(néng)概述
2. 机器學(xué)习概念
3. 神经网络算法模型概述
4. 深度學(xué)习算法模型
5. 深度學(xué)习概要
案例研讨:AlphaGo的基本原理(lǐ),李世石与AlphaGo的对局分(fēn)析 |
第二篇 基于TensorFlow的基本DNN模型案例 |
6. 基于TensorFlow的深度學(xué)习工具与平台
7. 基于TensorFlow多(duō)层感知器模型Multi-Layer Perceptron–MLP
8. 基于TensorFlow用(yòng) Keras 搭建 MLP
实践练习:手写體(tǐ)数字图片识别 |
第三篇 评估、调参和优化模型 |
9. 深度學(xué)习模型的性能(néng)评估
10. 通用(yòng)深度學(xué)习工具集Keras + Scikit-Learn
12. 基于TensorFlow序列化保存模型 13. 通过 check point 机制获取最佳模型 14. 通过绘制模型历史理(lǐ)解训练行為(wèi) 15. 通过 dropout regularization 降低模型过拟合 16. 选取不同的 Learning Rate Schedule 提升模型性能(néng) 案例研讨: 实践练习:用(yòng) MLP 进行多(duō)元分(fēn)类 – 植物(wù)品种分(fēn)类 (可(kě)选)实践练习:用(yòng) MLP 进行二元分(fēn)类 – 声呐探测物(wù)體(tǐ)信号分(fēn)析 (可(kě)选)实践练习:用(yòng) MLP 进行回归 – Boston 房屋价格预测 |
第四篇 基于TensorFlow的卷积神经网络CNN案例 |
17. 卷积神经网络 Convolutional Neural Network 18. 基于TensorFlow的CNN 原理(lǐ)和构造:
CNN 实践 项目:用(yòng) CNN 进行手写體(tǐ)识别 练习:在 CNN 图像识别中通过 Image Augmentation 技术提升模型性能(néng) 项目:用(yòng) CNN 进行图片物(wù)體(tǐ)识别 项目:用(yòng) CNN電(diàn)影评论情绪预测 |