具有(yǒu)多(duō)年的计算广告和数据挖掘的经验,理(lǐ)论知识完备,实战经验丰富。曾经主导或参与过多(duō)个pv上亿次数据挖掘项目,具體(tǐ)有(yǒu):
课程大纲
主题 | 内容 |
1.人工智能(néng)简史 | 1. 图灵机、图灵测试、达特茅斯会议 |
2. 人工智能(néng)三大學(xué)派(符号、行為(wèi)、连接)、贝叶斯學(xué)派、通用(yòng)人工智能(néng)、深度學(xué)习、强化學(xué)习等最新(xīn)进展 | |
2.机器學(xué)习概论 | 1. 机器學(xué)习的基本分(fēn)类:有(yǒu)监督學(xué)习、无监督學(xué)习、强化學(xué)习、迁移學(xué)习等 |
2. 机器學(xué)习基本模型 | |
3. 机器學(xué)习的简单应用(yòng)(例如邮件过滤、对客户的信用(yòng)进行评级) | |
4. 机器學(xué)习的复杂应用(yòng)(例如主题模型、Alphago) | |
3.从神经网络到深度學(xué)习 | 1. 什么是深度學(xué)习 |
2. 深度學(xué)习的特点是什么? | |
3. 深度學(xué)习被应用(yòng)的领域包括哪些? | |
4. 深度學(xué)习未来的发展方向是什么? | |
5. 深度學(xué)习模型种类(CNN,RNN,神经图灵机、注意力模型等等)。例子:手写识别 | |
4.基于数据的决策 | 1. 数据评估公司与产业案例 |
2. 数据评估自然科(kē)學(xué)基金分(fēn)配案例:電(diàn)信热点预测 | |
3. 数据智能(néng)下的公共服務(wù):犯罪,疾病与警力和医疗资源的投送; | |
4. 全球供应链:数据时代的全球再分(fēn)配 | |
5.无处不在的计算机视觉 | 1. Opencv |
2. 机器视觉中的特征提取与描述 | |
3.人脸识别 | |
4. 姿态识别 | |
5. 计算识别在安全领域的应用(yòng) | |
6. 图像标注与问答(dá) | |
6.自然语言处理(lǐ) | 1. 自然语言处理(lǐ)问题的范围 |
2. 自然语言处理(lǐ)的基本模型和原理(lǐ) | |
3. 目前自然语言处理(lǐ)的局限 | |
4. 客服机器人 | |
7.机器人和边缘计算 | 1. 机器人的主要分(fēn)类及市场分(fēn)析; |
2. 机器人的技术现状及挑战; | |
3. 边缘计算若干热点领域分(fēn)析; | |
4.基于物(wù)联网的机器人 | |
8.对抗生成网络 | 1.gan介绍 |
2.人脸生成(换脸) | |
3.风格迁移 | |
9人工智能(néng)的未来 | 1. 人工智能(néng)对人类主要行业的影响与冲击; |
2. 人工智能(néng)改变社会的几个阶段; | |
3. 奇点临近带来的机遇与挑战; | |
4. 人工智能(néng)发展带来的伦理(lǐ)问题; | |
5. 人工智能(néng)给法律的挑战。 |