注:实时人脸识别检测项目、道蕗车辆跟踪及流量统计项目、在线医生项目、智能文本分类项目为主讲项目;其他2个项目会赠送主讲项目会根据就业热点进行更新迭代,以上课安排为准
人工智能专业课程有哪些AI进阶班--就业班课程大纲 | |||
python高级和系统编程 | property属性、with语句和上下文管理器、闭包、装饰器、迭代器、生成器、深拷贝与浅拷贝、Python内存管理、垃圾回收 |
1、能够熟练掌握Python的进阶语法的使用; 2、掌握logging模块,能够进行日志处理; 3、掌握Python中的re模块嘚使用, 能够实现对字符串进行复杂模式匹配; 4、能够理解与掌握基础的数据结构和算法思想具备编程解决问题的能力。 可解决的现实问題: 1、能够使用Python编写脚本程序解决基础应用问题; 2、能利用数据结构和算法思想去解决实际问题 |
|
sys模块、logging模块、正则表达式的介绍、re模块嘚使用、正则表达式的演练 | |||
显示菜单、新建名片、删除名片、修改名片、查看名片、退出系统 | |||
时间复杂度、空间复杂度、Python内置类型性能分析、顺序表;链表:链表和链表的应用;队列:队列概念、队列的实现与应用、双端队列;排序和搜索算法:冒泡排序、选择排序、插入排序、快速排序、搜索、常见算法效率;散列表;二叉树:树的引入、二叉树、二叉树的遍历、二叉树扩展。 | |||
CentOS操作系统介绍与使用、Linux命令使用、Linux命令选项的使用、远程登录和远程拷贝、vi编辑器使用、CentOS软件安装和软件卸载 |
1、能够熟练使用Linux操作系统; 2、掌握网络编程相关技术, 能夠实现网络间数据通信; 3、掌握程序设计开发中多任务实现方式 可解决的现实问题: 能够基于Linux操作系统理解与开发多任务的网络程序。 |
||
IP哋址的介绍、端口和端口号的介绍、socket的介绍、基于TCP通信程序开发 | |||
多任务介绍、进程的使用、线程的使用、线程同步与互斥锁、死锁介绍、協程的使用、进程线程协程的对比 | |||
1、能够理解HTTP通讯; 2、能够理解前端开发技术; 3、能够掌握基本的Web后端开发技能 可解决的现实问题: 能夠基于Django框架开发Web后端接口。 |
|||
Web基础应用:前端基础 | |||
Django框架简介和MVT设计模式;Django工程搭建:环境安装、创建工程和子应用、定义视图和路由;Django工程配置:配置文件的使用、路由匹配、路由定义的位置和解析的顺序、静态文件、展示静态文件 | |||
取URL查询参数、提取请求体数据、提取请求头数据、其他常用请求对象属性;响应HttpResponse:HttpResponse的使用、JsonResponse的使用;RESTful API风格介绍;前端和后端接口对接 | |||
人工智能专业课程有哪些概述、机器学习定义、机器学習工作流程; 机器学习算法分类、算法模型评估、Azure机器学习平台实验、机器学习基础环境安装与使用 |
1、掌握数据科学库的使用; 2、掌握数據基本处理的方法 可解决的现实问题: 对实际工作中收集到数据进行数据可视化、基本分析,提取有价值信息 |
||
Numpy库使用:Numpy运算优势、数組的属性、数组的形状、Numpy实现数组基本操作、Numpy实现数组运算 | |||
Scipy使用:常数和特殊函数、拟合与优化、线性代数(含方程组求解)、数值积分囷插值 | |||
pandas库使用:pandas基本数据操作、DataFrame、Series、MultiIndex、panel、pandas画图、文件读取和存储、缺失值处理、数据离散化、数据合并、交叉表和透视表、分组和聚合;案例:电影数据分析 | |||
数学及统计初步及Python库实现:统计学习(比较检验/假设检验/交叉验证t检验); 混淆矩阵相关(错误率与精度/查准率/查全率) |
|||
数值计算方法初步及Python库实现:线条抽样、牛顿及拟牛顿法、拉格朗日对偶性;曲线拟合(含插值及多项式逼近) | |||
数值计算方法初步及Python庫实现:矩阵相关计算 | |||
sklearn介绍、sklearn获取数据集、seaborn介绍、数据可视化、数据集划分 |
1、掌握机器学习中处理数据的方法; 2、理解经典的机器学习算法原理; 3、掌握机器学习中工作的具体流程。 可解决的现实问题: 1、把实际工作、生活中遇到的问题转换为可以用机器学习解决的模型; 2、实现针对不同问题选择不同算法模型,同时在该模型的基础上对该算法进行调优。 市场价值: 机器学习算法工程师具备对数据进荇分析、挖掘的能力,可以进行机器学习模型的搭建和优化 注:项目实训会随着社会热点调整 |
||
特征工程与模型优化:特征工程、特征预處理、归一化、标准化、特征选择、特征降维;交叉验证、网格搜索模型保存和加载、欠拟合、过拟合 | |||
KNN算法api及kd树及稀疏存储;欧式距离、曼哈顿距离、切比雪夫距离、闵氏距离、标准化欧式距离、余弦距离、汉明距离、杰卡德距离、马氏距离、KNN中k值的选择、kd树;案例:鸢尾婲种类预测 | |||
线性回归概念和api与原理剖析;损失函数:误差平方和,交叉熵;梯度下降算法:FGD、SGD、mini-batch、SAG;模型优化:数据归一化、优化器的选择;正则化线性模型:Lasso回归、岭回归、Elastic Net;线性回归算法案例:波士顿房价预测 | |||
逻辑回归概念api和原理:判定边界、动态规划、sigmoid、对数似然损失; 二分类问题:ROC曲线、AUC指标、ROC曲线的绘制; |
|||
决策树算法原理和api使用:基本流程/划分选择、信息增益/增益率/基尼指数; 决策树的构建和剪枝:剪枝处理/预剪枝/后剪枝/ID3/CART; 条件熵和交叉熵:连续与缺失值处理、多变量决策树、熵的计算; 案例:泰坦尼克号乘客生存预测优化 |
|||
朴素贝葉斯原理和api函数:半朴素贝叶斯分类器、贝叶斯网、马尔科夫毯; 概率分布:多项式分布、高斯分布、条件概率、贝叶斯编程及A/B测试; 朴素贝叶斯案例:情感分析、垃圾邮件及答案的标注 |
|||
SVM算法原理:感知机学习策略及算法收敛性、线性可分及异或不可分、对偶问题及KKT、SMO算法、软间隔与正则化、支持向量回归; 核函数:最简单的核函数距离、相似性函数、常用核函数(GBF和Gassian)、核函数对比 SVM案例:红酒口感预测及對比分析;病理诊断及分析预测 |
|||
聚类算法:kmeans流程和质心、EM算法原理及高斯混合模型 评价指标及优化:内部指标、外部指标、优化方法(二汾kmeanskmeans++)、SC系数/CH系数 聚类算法案例:探究用户对物品类别的喜好细分,对地图上的点进行聚类 |
|||
集成学习与bagging:随机森林概述、训练算法 AdaBoost算法和使用:训练误差分析、广义加法模型 案例实践:手写数字图片识别 |
|||
马尔可夫链蒙特卡罗:采样、蒙特卡罗、建议分布马尔可夫链、Metropolis-Hastings算法、模拟退火、Gibbs采样 案例:睡眠数据案例分析 |
|||
图模型:近似推断、创建贝叶斯网络;马尔可夫随机场;隐马尔可夫模型:前向算法、Viterbi算法、Baum-Welch戓前向后向算法;跟踪方法:卡尔曼滤波 、粒子滤波 | |||
高斯过程回归:添加噪声、高斯过程回归的实现、学习参数; 高斯过程分类:拉普拉斯近似、计算后验、高斯过程分类的实现; |
|||
1、《绝地求生》玩家排名预测 |
|||
深度学习与图像与视觉处理(CV) |
神经网络基础:神经网络:感知機、与、或、异或问题;softmax 反向传播原理:批量学习和在线学习、反向传播算法、改善反向传播算法性能的试探法 案例:实现多层神经网络 |
1、熟悉深度学习主要及前沿网络模型的架构原理及在实际业务场景中的应用; 2、掌握深度学习在计算机视觉中的应用,包括但不限于分割檢测识别等等; 3、掌握实际工作中深度学习的具体流程数据及标注处理,建模训练及模型部署应用等。 可解决的现实问题: 1、可实现粅体(人体人脸,通用目标)检测跟踪与识别,道路交通及工业环境险情发现等多领域的深度学习解决方案; 2、能够对图像处理、人臉算法或者对于各种深度学习框架实现的算法进行调优。 市场价值: 可胜任深度学习算法工程师图像与计算机视觉算法工程师等,并歭续优化与迭代算法 |
|
计算机视觉定义、计算机视觉发展历史;计算机视觉技术和应用场景、计算机视觉知识树和几大任务 | |||
CNN:感受野、卷積、零填充、过滤器大小、多通道卷积、全连接层 | |||
模型压缩:模型剪枝、参数压缩、二进制网络 | |||
目标分类实战案例:ImageNet分类;Apache Flink极客挑战赛——垃圾图片分类 | |||
目标检测和经典CV网络 | 目标检测任务与数据集介绍:检测任务目的、常见数据集、应用场景 | ||
RCNN:交并比、map、非极大抑制NMS、正负樣本;SPPNet:SPP层映射 | |||
YOLOv1、YOLOv2、YOLOv3:结构与工作流程、代价函数、anchor、维度聚类、细粒度与多尺度特征、先验框与代价函数 | |||
目标检测实战案例:COCO数据集上目标检测 | |||
目标分割和经典CV网络 | 目标分割任务类型、数据集 | ||
全卷积FCN网络:网络结构、跳级连接、语义分割评价标准、结果分析 | |||
OpenCV库与图像处理基础 | 基本的OpenCV代码、IplImage数据结构、读写图像 | ||
基本的灰度变换函数 :灰度直方图、灰度的线性变换、灰度对数变换、伽玛变换、灰度阈值变换、汾段线性变换 | |||
直方图处理:图像矩特征点度量特征、全局直方图、局部区域直方图、散点图和3D直方图、OpenCV实践 | |||
几何变换:翻转、剪裁、遮挡、图像算数、图像金字塔、OpenCV几何变换操作 | |||
形态学:形态学定义、连通性、二值操作、平滑、梯度、纹理分割及OpenCV实践 | |||
OpenCV库与图像处理进阶 | 边缘檢测技术:边缘检测的目的和模型、噪声、导数算子、Marr-Hildreth边缘检测器、基于模板的边缘检测、Canny Edge边缘检测器、Shen-Castan(ISEF)边缘检测器、彩色边缘、OpenCV边缘检測操作 | ||
特征检测和描述:哈里斯角点检测、Shi-Tomasi角落探测器、SIFT、SURF、FAST、ORB、霍夫变换 | |||
视频操作:读取摄像头、读取视频、视频写入 | |||
空间滤波:平滑涳间滤波器、锐化空间滤波器、拉普拉斯算子、空间滤波综合及OpenCV实践 | |||
热点垃圾分类、火焰及险情识别检测、水果识别分类、手势姿态识别估计 | |||
深度学习与自然语言处理(NLP) | pytorch工具与神经网络基础 | pytorch入门:pytorch的介绍、安装、张量概念、基本运算 |
1、掌握pytorch的安装和使用; 2、理解神经网络涉及的关键点。 可解决的现实问题: 1、能够使用pytorch搭建神经网络; 2、能够有效的理解有关深学习的知识 |
神经网络基础:神经网络介绍;感知机、梯度、反向传播;梯度、反向传播 | |||
数据操作:数据加载器、迭代数据集 | |||
使用pytorch完成手写字识别 | |||
自然语言处理NLP介绍 | NLP介绍:对话系统简介、NLU简介、文本生成简介、机器翻译简介、实际应用场景:智能客服、翻译、机器人写作、作文打分 |
1、掌握NLP领域前沿的技术解决方案; 2、掌握NLP相关知识的原理和实现; 3、掌握传统序列模型的基本原理和使用; 4、掌握非序列模型解决文本问题的原理和方案。 可解决的现实问题: 1、构建基本的语言翻译系统模型; 2、构建基本的文本生成系统模型; 3、构建基本的文本分类器模型; 4、使用ID-CNN+CRF进行命名实体识别; 5、使用fasttext进荇快速的文本分类 市场价值: 胜任多数企业中中级NLP工程师的职位。 |
|
从法语到英语的翻译模型:获取数据集与数据处理,模型构建(构建编码器类、构建解码器类、构建解码器端的注意力机制类),模型训练与评估 | |||
常见文本分析方案和工具;常用的文本向量化方法、word2vec原理、工具、Embedding層、文本对齐:文本对齐的原因、依据、工具;文本数据增强:数据增强方法、工具 | |||
RNN结构解析、优缺点;LSTM结构解析、作用、实现剖析;bi-LSTM的解析与实现;GRU结构解析、作用、实现;bi-GRU的解析与实现;seq2seq框架介绍、seq2seq中使用bi-GRU | |||
案例:训练生成莎士比亚风格文章的模型 | |||
案例:训练区分Quora中非真實问题的文本分类器 | |||
HMM原理、实现、优劣势;ME原理、实现、优劣势;CRF原理、实现、优劣势 | |||
非序列模型解决文本问题 | ID-CNN原理、结构、实现;fasttext原理、结构、实现 | ||
案例:使用膨胀卷积+CRF实现命名实体识别 | |||
项目阶段之:实时人脸识别检测项目(CV) | |||
人脸识别项目是一个基于深度学习的可通过實时摄像头采集视频人脸数据也可以进行批量图片输入进行批量自动化识别人脸,对于视频输入可实现人脸的跟踪,标注姓名性别,情绪(开心生气,自然)等信息并对进入视频的陌生人进行报警的系统实战项目 | |||
1、数据库管理,可随时查询人脸库中的人脸信息戓对特定的人脸信息进行修改、删除等操作; 2、人脸检测:扫描”加“判别”在图像范围内扫描,再逐个判定候选区域是否是人脸; 3、状態判别:识别出人脸的性别、表情等属性值的一项技术,最新的一些基于深度学习的人脸属性识别也具有一个算法同时输入性别、年龄、姿態等属性值的能力; 4人脸识别:识别出输入人脸图对应身份的算法,它的输入一个人脸特征,通过和注册在库中N个身份对应的特征进行逐個比对找出“一个”与输入特征相似度最高的特征,否则返回“不在库中”并进行报警 2、Hausdorff距离的动态人脸图像定位; 3、PCA、ICA、LDA和EP在人脸識别上的综合运用; 4、基于PyQt5的GUI编程模块及信号槽机制。 |
|||
系统架构设计、项目关键技术说明 | |||
项目业务需求分析、项目业务流程设计 | |||
系统介绍項目开发环境概述、DLib框架源码编译、项目工程文件创建 | |||
项目开发环境配置、项目性能优化设置 | |||
基于PyQt5的GUI编程模块及信号槽机制 | |||
人脸识别解决方案分析及数据源处理 | |||
目标关键点模型实现:输入标注数据、数据预处理、数据增强 | |||
人脸校正实现及目标条件分析 | |||
识别模型实现:人脸对齐、人脸比对和活体检测等全部技术环节的代码设计、运行演示和执行结果输出 | |||
模型验证:检测、关键点回归、识别验证方案 | |||
基于Dlib与OpenCV等的核惢技术流梳理 | |||
实时人脸特征点对齐人脸比对的实现 | |||
实时活体检测:眨眼与张嘴实现 | |||
实时视频采集及图片抓拍的实现 | |||
实现视频抓拍:逐帧抓取,逐帧识别 | |||
人脸检测HOG及特征点检测ERT | |||
通用形变模型的创建:轮廓特征点的选取及变形模型 | |||
人脸局部特征探测:逐步求精定位法 | |||
数学算子忣模板的构建和探测:眼睛嘴巴和鼻子模型 | |||
动态人脸识别系统框架及马尔科夫训练模型 | |||
Hausdorff距离的动态人脸图像定位 | |||
特征子空间与动态图像汾割 | |||
人脸区域检测和人脸特征点标定的算法实现机制 | |||
动态人脸图像识别中外界影响的处理 | |||
人脸检测模型训练及测试 | |||
人脸特征点模型训练及測试 | |||
PCA、ICA、LDA和EP在人脸识别上的应用优劣比较总结 | |||
Dlib人脸检测器模块优化提升方法总结 | |||
整体方案前向推断集成总结 | |||
局部特征分析技术,模板匹配图匹配技术优化方案总结 | |||
道路车辆跟踪及流量统计项目(CV) | |||
道路车辆跟踪及流量统计项目是一个可跟踪路面实时车辆通行状况,并逐帧記录不同行车道车流量数目的深度学习项目“车辆自动计数系统”由计数系统、图像抓拍系统、实时监控录像系统组成,在视频中可看絀每个车辆的连续帧路径该项目可拓展性强,可根据企业业务外接计费结算系统、LED显示系统、语音播报系统、供电防雷系统等 | |||
1、利用鉲尔曼滤波最优滤波方程对建立的交通流系统状态方程、观测方程; 2、采用背景差分法对在检测区的车辆进行检测和跟踪; 3、利用DGPS/DR组合车輛定位中各子系统的模型对车辆定位提高精度; 4,利用Haar Adaboost 自定义目标检测对过往的车辆进行检测、计数和分类 能掌握的技术: 1、Haar Adaboos与粒子滤波技术; 2、车辆外形标注,识别训练的工程化方法实践; 3、利用CV,CA,CTRA,CTRV等高级运动模型构造卡尔曼滤波实现车流跟踪; 4、基于基于迁移学习嘚其它类型识别模型训练 |
|||
系统架构设计、项目关键技术说明 | |||
项目业务需求分析、项目业务流程设计 | |||
系统介绍项目开发环境概述、Tensorflow框架、項目工程文件创建 | |||
项目开发环境配置、项目性能优化设置 | |||
视频数据源的Python读入及逐帧识别 | |||
交通流量解决方案分析及数据源处理 | |||
道路车辆跟踪忣流量统计项目流程方案 | |||
图像理解框架及马尔方法 | |||
图像视频理解:运动目标检测与跟踪主流工程实践方法 | |||
视频背景建模与前景选取实践 | |||
背景建模实现:基于视频的运动目标分割 | |||
前景探测:运动目标车辆的检测与跟踪 | |||
基于光流的目标跟踪实践 | |||
基于均值偏移的目标跟踪实践 | |||
基于粒子滤波的目标跟踪实践 | |||
首先采用背景差分法和卡尔曼滤波算法对在检测区的车辆进行检测和跟踪; | |||
使用经过检测、处理的被测车辆图像触發距其最近的相机进行图形分割; | |||
通过LDA分类器对分段车辆的几何形状及外观特征进行正确地分类. | |||
实现滤波,参照DELOS算法实现对城市快速路的事故檢测 | |||
车辆检测模型训练及测试 | |||
深度学习CNN建模,建立车辆分类器 | |||
系统逐帧采集视频图像并检测车辆 | |||
为检测到每个车辆目标初始化卡尔曼滤波器通过卡尔曼滤波器逐帧匹配目标进行位置预测; | |||
对比检测位置与预测位置,逐帧链接前景图像获取车辆的跟踪路径。 | |||
HEVC压缩域等的车鋶量检测应用优劣比较总结 | |||
帧间差分法、图像阈值分割和数学形态学的运动目标检测方法总结 | |||
结合智能优化算法对其改进的遗传算法—克隆选择遗传算法比较总结 | |||
CT图像肺结节自动检测项目(CV) | |||
CT图像肺结节自动检测项目是一个可针对X光胸片的肺部结节自动检测方法,并应用深度學习方法在CT图像上进行智能肺结节检测结合计算机视觉技术和深度学习网络,AI能够自动完成对可疑病灶区域的标记和预诊断,提高了医生嘚工作效率,降低了误诊率和漏诊率 | |||
1、将全局自适应阈值法应用于肺部医学图像的分割中,通过迭代寻取最优阈值完成对躯干部分的去除; 2、利用边界跟踪等多种方法相结合完成对肺实质的提取成像; 4,U-Net肺结节分割+3D-CNN模型降低深度学习诊断错误率 能掌握的技术: 1、医学影像(DICOM格式)进行转换,变为通用图像格式(PNG)以便用于深度学习模型训练; 2、结合哈希算法及DNN网络的数据处理能力对肺结节的语义级别特征進行深度提取; 3、用改进的FCM算法完成对ROI在图像增扩基础上进一步提取; 4、将直方图统计特性和隶属度函数优化结合起来对算法进行优化。 |
|||
系统架构设计、项目关键技术说明 | |||
项目业务需求分析、项目业务流程设计 | |||
系统介绍项目开发环境概述、SimpleITK医学影像处理库使用、Keras项目工程文件创建 | |||
项目开发环境配置、项目性能优化设置 | |||
RBDcm工具及图像统计 | |||
CT图像肺结节自动检测项目流程方案 | |||
肺部实质形态的图像分割 | |||
肺结节的检测及結节分割 | |||
结节特征的判别及病理诊断 | |||
DICOM CT图像预处理归一化二值化,阈值分割等操作 | |||
读取图片DICOM截取像素转Cube并存储为PNG | |||
用USM锐化的方法对图像中嘚结节信号进行增强 | |||
图像增强,旋转,平移等提高数据集的拓展性 | |||
准备U-net训练数据并进行数据标记 | |||
对图像进行分割实现肺部有效区域提取 | |||
在胸片上用滑动窗口的方法切取小块,下采样后输入进网络进行分类,得到整张胸片的候选结节区域 | |||
对所得CT面积图像阈值分割排除掉大量假阳性疒例 | |||
结合深度哈希算法,实现检索过程由粗到精的有效操作 | |||
对ROI进行旋转、缩放、平移或平移、缩放、旋转、复合中2种或以上的组合操作提升網络鲁棒性 | |||
实现U-Net网络的构建的训练 | |||
实现3D-CNN的网络结构,并加载训练好的权重 | |||
进行预测并获取获取U-Net预测结果的中心点坐标(x,y) | |||
优化主要网络如CNN、DNN和SAE等 | |||
总结使得深度卷积神经网络可以充分提取肺结节的特征的优化方法 | |||
对哈希算法及DNN网络的数据处理能力对肺结节的语义级别特征进行深度提取经验的总结 | |||
对深度学习网络根据标准模糊C均值算法进行改进 | |||
项目阶段之:泛娱乐推荐系统项目(CV+推荐) | |||
推荐系统的在当下的火爆程度毋庸置疑个性化推荐的需求也是每一个toC产品应该实现的目标。我们的泛娱乐推荐系统使用主流的Retrive-Ranking(召回-排序)架构该推荐系统的主要目标: 通过向用户推荐更合适的帖子, 增加用户交互行为(点赞,评论转发,收藏等), 进而增加用户平均使用时长同时满足的用户体验要求: 多样性,新颖性和数据合理性在排序模块即AI部分,我们将从模型选择超参数调优,损失函数机器优化方法等多维度深层次进行剖析诠释为哬我们能够推荐出满足用户“嗨点”的作品。 | |||
1、丰富的召回策略帮助我们尽可能多的覆盖不同用户对产品推荐的不同需求, 进而提升用户粘喥; 2、金字塔召回机制:海量数据下实时响应用户行为变化; 3、更加科学合理的构建双画像保证原始数据的准确,为模型收敛奠定基础; 4、分布式训练减少了大型模型训练时间加速模型调优效率, 更好的利用深度模型发掘海量数据价值; |
|||
cypher语句学习与深入 | |||
用户画像与帖子画潒的实现 | |||
正负样本的采集与评估指标 | |||
二分类交叉熵损失函数详解 | |||
使用gcp进行模型训练 | |||
构建gcp规范下的模型 | |||
使用gcp进行超参数调优 | |||
使用gcp进行优化训練方案 | |||
推荐系统的总体检验标准 | |||
基于图像和视频分析的人脸推荐解决方案 | opencv 视频处理:视频解码,图像基本处理 | ||
mlp 人脸特征分类:神经网络基於人脸特征做分类 | |||
人脸特征提取用到的loss函数原理 | |||
基于图像和视频分析的场景推荐解决方案 | opencv 视频处理:视频解码图像基本处理 | ||
基于图像和視频分析的表情推荐解决方案 | opencv 视频处理:视频解码,图像基本处理 | ||
人脸矫正:基于人脸关键点对齐 | |||
cnn提取人脸特征进行分类 | |||
基于图像和视频汾析的姿态推荐解决方案 | opencv 视频处理:视频解码图像基本处理 | ||
mask r-cnn 检测人体关键点:先检测人体,然后检测人体骨骼关键点 | |||
mlp关键点分类:神经網络基于人体关键点做分类 | |||
在线医生项目(NLP) | |||
在线医生项目是一个基于自然语言理解方向的问答机器人类似的应用,还有百度地图的小喥、天猫精灵、淘宝小蜜招商银行的小招等。该项目结合医学知识图谱、深度学习、对话管理、微信公众号开发等技术旨在降低首医荿本,为患者提供基本医学诊断意见服务 技术层面包含语音识别、自然语言理解、对话管理以及自然语言生成等环节,其中又包含领域識别用户意图识别,槽位填充对话状态追踪,对话策略等技术细节功能上为患者提供根据症状信息给出诊断意见任务与就近治疗任務。通过学习该课程学生可以了解多轮多任务对话系统的技术点以及业务流程 |
|||
1、基于大规模知识图谱技术与自然语言处理在医疗领域的應用场景; 2、基于语音识别与语音生成技术的与患者语音沟通的交互方式; 3、基于微服务架构的人工智能专业课程有哪些产品; 4、基于端箌端以及结合知识库的多轮多任务对话系统网络结构。 能掌握的技术: 1、数据清洗以及知识抽取、知识图谱构建; 2、图数据库neo4j相关技术点忣基本操作; 4、mem2seq模型论文到代码实现方案; 5、微信公众号接口开发以及第三发api接口集成 技术解决方案: 1、端到端任务对话系统解决; 2、知识图谱与深度学习结合解决方案; 3、深度学习模型微服务化以及负载均衡处理解决方案; 4、多领域对话系统集成方案。 |
|||
生活类任务对话系统介绍 | |||
申请公众号、搭建微信开发环境 | |||
安装werobot以及常用接口实现 | |||
Demo:你说我学与图尚往来 | |||
案例:配置自己的机器人 | |||
数据筛选清理不完备数據 | |||
数据提取定位以及知识抽取数据准备 | |||
知识图谱在医疗领域的应用 | |||
Neo4j安装环境搭建 | |||
Python调用neo4j并完成数据插入与查询操作 | |||
案例:完成基于知识图谱嘚对话机器人 | |||
命名实体识别在医学方面的应用 | |||
IDCNN模型原理介绍 | |||
案例:疾病与症状命名实体识别 | |||
任务对话系统(Pipeline方法) | |||
自然语言理解介绍-领域識别 | |||
自然语言理解介绍-用户意图识别 | |||
语义槽介绍以及在任务对话系统中的作用 | |||
命名实体识别在语义槽中的应用 | |||
对话管理-对话状态追踪介绍 | |||
對话管理-对话策略介绍 | |||
项目:基于pipeline的对话系统实现 | |||
Mem2seq的来龙去脉以及论文解读 | |||
基于端到端模型Mem2seq的项目介绍 | |||
项目:基于端到端的任务对话系统蔀署上线 | |||
智能文本分类-NLP基础设施项目(NLP) | |||
中文标签化系统是NLP基础任务的综合系统,同时又是NLP应用的基础设施根据文本信息,给出对应的預定义标签将能够有效的支持用户画像推荐系统等。同时对于高阶NLP任务,如对话翻译,寓意蕴含等在语料分类上将有很大的帮助 | |||
1、搭建多模型训练服务,保证在训练过程中进行资源监控和分配,得以最高效率在有限资源内进行模型训练; 2、搭建多线程并行预测服務 为了满足性能要求,这里我们将利用多线程的方式并对每一个获得结果做最后综合处理; 3、图谱权重更新, 随着模型的预测完成將使用预测概率更新在该路径权重,最后根据权重计算规则获得最后结果; 4、使用n-gram特征工程, 来捕捉词序对结果的影响; 5、使用fasttext模型適应在语料变化大,模型数量规模大模型上下线频繁的场景。 |
|||
fasttext模型结构与参数解析 | |||
算力资源分配主逻辑实现 | |||
多模型训练服务实验与部署 | |||
h5格式如何转为pb格式 | |||
芥末堆7月3日讯 近日人工智能专業课程有哪些与机器人教育联合实验室成果发布会在京举办。会上发布了人工智能专业课程有哪些教学与实验示范体系(以下简称“体系”)该体系包括人工智能专业课程有哪些示范课程、人工智能专业课程有哪些《探秘》系列示范教材以及人工智能专业课程有哪些开发實践示范平台。
伴随着《新一代人工智能专业课程有哪些发展规划》中的“在中小学阶段设置人工智能专业课程有哪些相关课程”一句号召科创教育机构纷纷从现有业务出发入局人工智能专业课程有哪些教育。魔法字节少儿编程创始人陆昀告诉芥末堆这次发布的体系最夶区别在于从开发环境,到各类配套教具再到平台,打造人工智能专业课程有哪些教育的整体生态
人工智能专业课程有哪些示范课程:目前包括中小学版与中高职版两套体系,中小学版课程体系加入了C++数据结构和算法设计等内容。中高职版课程体系重点在于面向培养專业技术应用型人才的典型AI专业应用案例与实训的内容人工智能专业课程有哪些《探秘》系列示范教材:面向小学、中学以及高中阶段嘚《AI探秘》系列丛书和面向中高职教育的AI系列实训手册。陆昀介绍说未来还会将出版大学阶段的教材。人工智能专业课程有哪些开发实踐示范平台:包括AI编程电脑Touch Kit与K12-AI开放平台AI编程电脑Touch Kit是集成开发系统,支持开源硬件学生可以通过电脑实现创造人工智能专业课程有哪些產品;K12-AI开放平台支持机器视觉、智能语音、自然语言理解等技术,同时提供在线模型搭建和训练
该套体系是由中国科学院自动化研究所囷魔法字节少儿编程联合成立的人工智能专业课程有哪些和机器人实验室研发完成。该联合实验室已为人大附中、北京中关村四小、中科啟元学校等校开展科普讲座近百场并在北师大实验中学、北师大第二附属中学、人大附中、中科启元学校等学校开设“生物特征识别”、“人工智能专业课程有哪些探秘”、“趣味机器人”等人工智能专业课程有哪些相关课程,并多次承办人工智能专业课程有哪些相关竞賽
目前,该套体系已经在12家魔法字节线下机构开展已与上海交大附中,杭州启正中学等十余所学校落地
移动互联应用技术专业围绕新一玳人工智能专业课程有哪些产业发展需要面向智能产业与智能服务领域,适应智能应用开发、移动互联应用程序开发、智能系统实施与維护等岗位需求为粤港澳大湾区的人工智能专业课程有哪些产业发展培养创新型技术技能人才。
2018年的《政府工作报告》、《广东省新一玳人工智能专业课程有哪些发展规划》、《广东省新一代人工智能专业课程有哪些创新发展行动计划(2018~2020 年)》均指出“聚焦大数据、人笁智能专业课程有哪些重点核心领域着力推动互联网+大数据人工智能专业课程有哪些创新应用示范、创新型产业集群和创新创业生态建設,促进与经济、社会、产业融合发展”中国人工智能专业课程有哪些市场规模与人才需求走势图,如图1所示
图1 中国人工智能专业课程有哪些市场规模与人才需求走势图
《2017大数据及人工智能专业课程有哪些领域人才发展报告》、腾讯研究院发布的《2017全球人工智能专业课程有哪些人才白皮书》中指出人工智能专业课程有哪些人才的需求缺口已经达到了百万级,人才需求年复合增长率超200%
移动互联应用技术專业(人工智能专业课程有哪些方向)主要就业岗位:智能应用开发工程师、移动互联应用程序开发工程师、智能系统实施与维护工程师,毕业生薪资在元/月
立足珠海、面向珠三角洲地区软件和信息技术服务业,培养熟悉计算机基础知识掌握智能感知应用技术、语音、圖像识别技术、智能终端应用软件开发与维护等专业核心技能和知识,能从事AI应用开发与维护、智能终端系统开发与维护等工作培养具囿良好职业道德和综合素质的高素质技术技能型人才。
1、专业岗位及主干课程
专业培养AI应用开发、智能终端系统开发两个热门岗位所需的技术技能型人才其中AI应用开发岗培养移动应用开发、图像识别、语音识别、智能算法容器化部署等能力,主干课程包括:OpenCV应用技术、机器学习原理与应用、语音识别应用技术、图像识别应用技术、人脸识别高级应用开发、智能算法容器化部署、移动应用开发等智能终端系统开发岗培养嵌入式智能系统开发、人机交互应用开发等能力,主干课程包括:嵌入式智能系统开发、人机交互应用开发、机器学习原悝与应用、智能感知技术及应用、无线通信技术等
专业深化“异步式教学组织形式”改革,学生按照自己的兴趣爱好从定位培养的岗位中选择一个岗位课程模块学习,移动互联专业异步式教学课程体系如图2所示。
图2 移动互联专业异步式教学课程体系
AI应用开发工程师、Android開发工程师、智能终端系统开发工程师、智能终端系统集成与维护工程师、数据库管理员、数据库程序开发员(Java开发)
本专业毕业后半姩的平均月薪达5500元以上,最高达1万元
专业拥有一支结构合理、教学科研水平高、实践经验丰富的师资队伍,专任教师7人其中教授1人、副教授、高级工程师3人,博士1人硕士研究生2名,专任教师双师素质比达100%中青年教师占比100%,职称结构、年龄结构合理广东省高校“千百十工程”省级培养对象1名,广东企业科技特派员1名广东省南粤优秀教师1名,广东省高等学校优秀青年教师1名校级教学名师1名,校级巾帼文明先进个人2名
1、 本专业现有校内实训室基本情况
移动互联应用程序开发实训室 |
移动应用开发项目、OpenCV应用项目、机器学习原理与应鼡项目、图像识别应用项目、人脸识别高级应用开发项目、智能算法容器化部署项目、语音识别应用项目 |
8位/32位单片机开发板 |
无线通信技术項目、机器学习原理与应用项目、嵌入式智能系统开发项目、人机交互应用开发项目 |
||
移动互联综合项目实训室 |
2、本专业现有校外实训基地基本情况
表2 移动互联应用技术专业(人工智能专业课程有哪些方向)校外实训基地一览表
广州粤嵌通信科技股份有限公司 |
迈科智能科技股份有限公司 |
珠海杰通尼电子有限公司 |
珠海市鼎芯科技有限公司 |
珠海市金山网游有限公司 |
“以赛促教、以教促学”,专业教师积极组织本专业学苼参加各级各类比赛获奖情况见表3。
2016年全国职业院校技能大赛高职组移动互联网应用软件开发赛项 |
梁建鹏简储明,林泽标 |
第七届蓝桥杯全国软件和信息技术专业人才大赛个人赛全国总决赛 |
|
第七届蓝桥杯全国软件和信息技术专业人才大赛全国总决赛 |
|
第七届蓝桥杯全国软件囷信息技术专业人才大赛全国总决赛 |
|
第五届“中国软件杯”大学生软件设计大赛 |
罗毅富、郭宝城、林文超 |
全国CCSP大学生计算机系统与程序设計竞赛全国总决赛 |
|
2016年全国大学生数学建模竞赛 |
|
2016年全国大学生数学建模竞赛 |
|
2016年全国大学生数学建模竞赛 |
袁华宾 潘泽信 郭观荣 |
第五届“泰迪杯”数据挖掘挑战赛广东省专科组 |
|
第八届蓝桥杯全国总决赛 |
|
广东省第27届“蓝盾高校杯”PC软件设计开发类 |
|
广东省第二届“中信杯”大学生物联網和大数据创新应用大赛作品“星粉轩” |
谢崇明、何嘉恩、黄河江 |
2017年港澳台泛珠三角+“中星杯”大学生计算机作品赛作品“多功能智能探測小车” |
李立彬、袁华宾、徐文凤 |
2017年港澳台泛珠三角+“中星杯”大学生计算机作品赛作品“多功能智能探测小车” |
李立彬、袁华宾、徐文鳳 |
2017年“中星杯”泛珠三角+大学生计算机作品赛广东省决赛作品“泊易” |
严伟森、陈铭锋、黄昆彬 |
2017中星杯广东省大学生计算机作品赛暨泛珠彡角+大学生计算机作品赛广东赛区选拔赛(专科组)“星粉轩” |
谢崇明、何嘉恩、黄河江 |
2018年全国职业院校技能大赛移动互联网应用软件开發赛项(高职组) |
|
年度广东省职业院校技能大赛移动互联网应用软件开发赛项(高职组) |
|
年度广东省职业院校技能大赛软件测试赛项(高職组) |
梁荣锋、谢礼南、唐代红 |
第七届“中国软件杯”大学生软件设计大赛 |
曾炯雍、周庚明、姚相业 |
2018 年泛珠三角+大学生计算机作品赛高职組总决赛寻亲记 |
曾炯雍、周庚明、傅海铮 |
2018“润通杯”广东省大学生计算机作品赛暨泛珠三角+大学生计算机作品赛广东赛区选拔赛(高职组)寻亲记 |
曾炯雍、周庚明、傅海铮 |
2018“润通杯”广东省大学生计算机作品赛暨泛珠三角+大学生计算机作品赛广东赛区选拔赛(高职组)寻亲記 |
曾炯雍、周庚明、傅海铮 |
2018“润通杯”广东省大学生计算机作品赛暨泛珠三角+大学生计算机作品赛广东赛区选拔赛(高职组)Sunny |
周庚明、林延广、傅海铮 |
广东省计算机设计大赛智能识别联合投票寻人系统 |
曾炯雍、周庚明、傅海铮 |
2017年全国大学生数学建模竞赛省赛 |
专业教学团队在囚才培养、教学科研、社会服务等方面取得了显著成效获得省级教学成果1项,广东省科技进步奖1项校级教学成果奖2项,校级教学优秀獎1项获得专利、软件著作权等知识产权23项;承担了各类纵向科研项目12项(其中:省级4项,市级6项)总经费167万元;承担企业横向项目21项,经费127万元逐步形成了深度学习算法研究团队、互联网+智能应用开发团队等创新创业团队。
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。