天鹰智能交通
本项目利用深度学习技术，跟踪路面实时车辆通行状况，并逐帧记录不同行车道车流量数目。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，可在视频看出每个车辆的连续帧路径。
项目架构
1、Siamese系列模型
2、yoloV3目标检测
3、SORT/DeepSORT算法
4、卡尔曼滤波目标位置优化
5、匈牙利算法目标匹配
6、相机校正方法
人工智能时代
做一个掌控未来的工程师
人工智能开发适合人群
-
理工科
相关专业 -
预转型
开发人员 -
研发管理
技术拓展 -
人工智能
爱好者
人工智能开发
六大课程优势
-
优势1
制定AI培训课程
培养AI专精型人才 -
优势2
覆盖AI职业技能
助力学员高起点就业 -
优势3
课程设置科学合理
适合AI技术初学者 -
优势4
多领域多行业项目
打造AI核心竞争力 -
优势5
技术大牛倾力研发
专职沉淀AI新技术 -
优势6
聚力名企共建课程
整合优质技术资源
01
制定AI培训课程
培养AI专精型人才
我们培养的AI工程师所需能力
-
AI算法深入研究能力
AI算法深入研究能力指算法实用性、先进性、可拓展性，让学员掌握算法模型举一反三的技能
-
AI算法业务流处理能力
AI算法业务流处理能力指通过企业实战场景、业务流，对AI技术实战训练，解决实战业务流问题
课程实例：在线医生项目
在线医生是NLP医疗领域的重要应用。医疗对话生成模型、基于bert的对话连贯性判断、用户意图识别模型提升学员AI算法的深入研究能力；分布式模型部署、微信客户端部署、原始医疗数据处理流水线处理训练学员的AI业务流的处理能力。
02
覆盖AI职业技能
助力学员高起点就业
-
机器学习、推荐、通用框架
科学计算库，特征工程，十大经典算法，主流应用领域，推荐系统，主流框架人工智能框架TensorFlow、Pytorch。
-
图像与视觉处理CV
图像分类，目标检测和追踪，图像语义分割，场景文字识别，图像生成，人体关键点检测及标签识别，视频分类。
-
自然语言处理NLP
分词，命名实体识别，词性标注、句法分析、语义理解、信息抽取、机器翻译、文本摘要、问答系统、阅读理解。
-
人工智能前沿技术和未来热点
进化学习、分布式机器学习、强化学习、立体视觉与SLAM、点云处理、对称权重与深度置信网络、模型可解释性，模型压缩，迁移学习，终身学习，元学习。
03
课程设置科学合理
适合AI技术初学者
- AI行业入门难？
- 设置基础入门课程
- AI知识学习难？
- 知识难点细分讲解
- AI技能精通难？
- 理论与实践相结合
- 阶段1
- 阶段2
- 阶段3
- 阶段4
- 阶段5
- 阶段6
- 阶段7
- 阶段8
- 阶段9
- 阶段10
-
Python编程基础
主讲内容：
· Python基础语法
· Python数据处理
· 函数
· 文件读写
· 异常处理
· 模块和包可掌握的核心能力：
1、掌握Python开发环境基本配置；
2、掌握运算符、表达式、流程控制语句、数组等的使用；
3、掌握字符串的基本操作；
4、初步建立面向对象的编程思维；
5、熟悉异常捕获的基本流程及使用方式；
6、掌握类和对象的基本使用方式。可解决的现实问题：
熟练掌握人工智能Python语言，建立编程思维以及面向对象程序设计思想，使学员能够熟练使用Python技术完成基础程序编写。
-
Python编程进阶
主讲内容：
· 面向对象
· 网络编程
· 多任务编程
· 高级语法
· Python编程综合项目
· Python数据结构可掌握的核心能力：
1、掌握网络编程技术，能够实现网络通讯；
2、知道通讯协议原理；
3、掌握开发中的多任务编程实现方式；
4、知道多进程多线程的原理。可解决的现实问题：
熟练使用Python，掌握人工智能开发必备Python高级语法。
-
数据处理与统计分析
主讲内容：
· Linux
· MySQL与SQL
· Numpy矩阵运算库
· Pandas数据清洗
· Pandas数据整理
· Pandas数据可视化
· Pandas数据分析项目可掌握的核心能力：
1、掌握Linux常用命令，为数据开发后续学习打下的良好基础；
2、掌握MySQL数据库的使用；
3、掌握SQL语法；
4、掌握使用Python操作数据库；
5、掌握Pandas案例；
6、知道会图库使用；
7、掌握Pandas数据ETL；
8、掌握Pandas数据分析项目流程。可解决的现实问题：
掌握SQL及Pandas完成数据分析与可视化操作。
-
机器学习与多场景案例实战
主讲内容：
· 机器学习简介
· K近邻算法
· 线性回归
· 逻辑回归
· 决策树
· 聚类算法
· 集成学习
· 机器学习进阶算法
· 用户画像案例
· 电商运营数据建模分析案例可掌握的核心能力：
1、掌握机器学习算法基本原理；
2、掌握使用机器学习模型训练的基本流程；
3、掌握Sklearn,Jieba,Gensim等常用机器学习相关开源库的使用；
4、熟练使用机器学习相关算法进行预测分析；
5、掌握数据分析常用思维方法；
6、掌握不同业务场景下的指标体系搭建；
7、熟练使用各种数据分析工具进行数据提取与数据展示；
8、熟练运用常用数据分析模型解决业务问题。可解决的现实问题：
掌握机器学习基本概念，利用多场景案例强化机器学习建模。
-
数据挖掘综合项目
主讲内容：
· 金融风控项目业务背景介绍
· 风控建模介绍
· 机器学习评分卡
· 金融风控特征工程
· 不均衡学习和异常检测
· 推荐项目数据采集
· 推荐系统召回业务
· 推荐系统排序业务
· 基于多路召回的实时推荐
· 推荐系统平台调度
· 推荐系统性能评估可掌握的核心能力：
1、掌握风控业务场景的常用指标；2、掌握评分卡的建模流程；
3、掌握评分卡特征工程的常用套路；
4、熟练运用机器学习算法解决风控业务场景下的问题；
5、掌握多行业推荐业务；6、掌握推荐业务建模流程；
7、掌握召回，排序基础算法；8、熟练运用机器学习算法解决推荐业务问题；
9、掌握大数据计算框架基本使用。可解决的现实问题：
1、掌握掌握金融风控或推荐系统项目
2、掌握运用机器学习算法解决实际业务的分类、聚类、回归的问题 -
深度学习与NLP自然语言处理基础
主讲内容：
· 深度学习基础
· BP神经网络
· 经典神经同络结构（CNN&RNN）
· 深度学习多框架对比
· 深度学习正则化和算法优化
· 深度学习Pytorch框架
· NLP任务和开发流程
· 文本预处理
· RNN及变体原理与实战
· Transformer原理与实战
· Attention机制原理与实战
· 传统序列模型
· 迁移学习实战可掌握的核心能力：
1、pytorch工具处理神经网络涉及的关键点；
2、掌握神经网络基础知识；
3、掌握反向传播原理；
4、了解深度学习正则化与算法优化；
5、掌握NLP领域前沿的技术解决方案；
6、了解NLP应用场景；
7、掌握NLP相关知识的原理和实现；
8、掌握传统序列模型的基本原理和使用；
9、掌握非序列模型解决文本问题的原理和方案；
10、能够使用pytorch搭建神经网络；
11、构建基本的语言翻译系统模型；
12、构建基本的文本生成系统模型；
13、构建基本的文本分类器模型；
14、使用ID-CNN+CRF进行命名实体识别；
15、使用fasttext进行快速的文本分类；
16、胜任多数企业的NLP工程师的职位。可解决的现实问题：
掌握深度学习基础及神经网络经典算法；掌握热门的PyTorch技术，完成自然语言处理基础算法，诸如RNN、LSTM、GRU等技术。
-
ChatGPT技术深入浅出
主讲内容：
· ChatGPT入门
· ChatGPT原理详解
· ChatGPT项目实战
· 基于大型预训练模型搭建聊天机器人
· 聊天机器人和问答系统可掌握的核心能力：
1、掌握大规模知识图谱技术与自然语言处理在多领域的应用
2、掌握ChatGPT聊天机器人实战
3、掌握基于大型预训练模型搭建聊天机器人
4、熟悉端到端以及结合知识库的多轮多任务对话系统网络结构可解决的现实问题：
能够运用ChatGPT模型完成聊天机器人和问答系统的相关功能
-
NLP自然语言处理综合项目
主讲内容：
· 解决方案列表
· 项目架构及数据采集
· 命名实体识别
· 对话系统
· 项目架构
· 多模型预测
· 模型的迭代优化
· 模型的上线部署与总结
· 智能文本分类
· 模型上线可掌握的核心能力：
1、医疗领域NER解决方案；2、对话主题相关解决方案；
3、微信端服务部署解决方案；4、对话管理系统与A结合解决方案；
5、抽取式文本摘要解决方案；6、生成式文本摘要解决方案；
7、自主训练词向量解决方案；8、解码方案的优化解决方案；
9、数据增强优化解决方案；10、大规模快速文本分类解决方案；
11、多模型井行预测解决方案；12、分布式模型训练解决方案；
13、多标签知识图谱构建解决方案。可解决的现实问题：
1、掌握自然语言处理项目，完成文本摘要或传智大脑项目
2、掌握自然语言处理项目，完成智能文本分类或知识图谱项目
3、掌握运用NLP核心算法解决实际场景关系抽取的问题 -
CV基础&面试加强
主讲内容：
· 机器学习核心算法加强
· 深度学习核心算法加强
· 数据结构与算法
· 多行业项目扩展
· 图像与视觉处理介绍
· 目标分类和经典CV网络
· 目标检测和经典CV网络
· 目标分割和经典CV网络可掌握的核心能力：
1、机器学习与深度学习核心算法，NLP经典算法，数据结构算法、Djkstra算法，动态规划初步，贪心算法原理，多行业人工智能案例剖析；
2、经典卷积网络：LeNet5、AlexNet、 VGG、 Inception、GoogleNlet、残差网络 深度学习优化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、 YOLOV2、 YOLOV。可解决的现实问题：
1、掌握数据结构与算法，核心机器学习、深度学习面试题，助力高薪就业；
2、掌握计算机视觉基础算法，诸如CNN、残差网络、Yolo及SSD。 -
CV计算机视觉综合项目
主讲内容：
· 解决方案列表
· 项目架构及数据采集
· 人脸检测与跟踪
· 人脸姿态任务
· 人脸多任务
· 系统集成可掌握的核心能力：
1、人脸检测与跟踪解决方案；
2、人脸多任务解决方案；
3、人脸识别任务解决方案；
4、系统集成解决方案；。可解决的现实问题：
掌握人脸支付项目或智慧交通项目或实时人脸识别项目。
04
多领域多行业项目
打造AI核心竞争力
- 天鹰
智能交通 - 壹图实时
人脸检测 - 美创医疗
在线AI医生 - 蜂窝头条智
能文本推荐 - 泛娱乐
推荐 - 猫眼人脸
支付CV - 黑马头条
推荐系统 - 万米电商
推荐系统 - 小智同学-
聊天机器人 - 百京金融
风控项目
壹图实时人脸检测
本项目可通过摄像头实时采集视频人脸数据，也可批量图片输入自动化识别人脸；本项目对视频可实现人脸的跟踪，并标注姓名、性别、情绪（开心、生气、自然）等信息；能对进入视频的陌生人报警。
项目架构
1、EigenFace
2、LBPH
3、双属性图
4、动态人脸定位
5、活体检测
6、柔性模型技术
7、Gabor系数特征匹配
8、隐马尔科夫模型的图像分割
美创医疗在线AI医生
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。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，旨在降低首医成本，为患者提供基本医学诊断意见服务。
项目架构
1、Neo4j图数据库
2、命名实体审核/识别模型训练与预测+
3、句子主题相关模型训练与部署
4、系统联调与测试
5、论文复现
蜂窝头条智能文本推荐
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，给出对应的预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。
项目架构
1、标签词汇知识图谱
2、特征工程
3、fasttext模型
4、多模型训练与预测
5、AI业务流调试
6、Django后端服务搭建
泛娱乐推荐
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。本项目推荐系统策略与图像与视觉处理相结合，深度解决互联网产业的推荐业务场景。
项目架构
1、知识图谱构建双画像
2、多召回策略
3、召回金字塔
4、基于人脸
5、场景
6、表情推荐方案
猫眼人脸支付CV
人脸支付项目是一个基于计算机视觉方向的人脸识别项目，该项目以支付系统为背景介绍人脸处理的整体流程。利用机器学习和深度学习的方法，针对摄像头捕获的视频图像，进行人脸区域检测，人脸跟踪，人脸姿态的检测，通过人脸矫正，人脸比对完成人脸的识别。
项目架构
1、人脸检测的解决方案
2、人脸姿态（欧拉角）检测
3、人脸关键点识别
4、人脸多任务（年龄，性别等）
5、人脸特征对比
黑马头条推荐系统
黑马头条推荐系统属于机器学习与深度学习推荐应用项目，类似今日头条、掘金等推荐。用户可以通过黑马头条APP获取个性化推荐技术文章的效果。
项目架构
1、Hadoop分布式文件存储和计算
2、Sqoop大规模数据迁移
3、Lambda架构
4、Flume数据采集
5、Kafka消息队列
6、Spark机器学习
7、用户特征工程
8、TFIDF、TextRank文本特征工程
9、多路召回策略
10、Wide&Deep深度学习模型
万米电商推荐系统
根据用户的历史行为，挖掘出用户的喜好，并为用户推荐与其喜好相符的商品或者信息。同时让一些有价值的信息能够到达潜在的用户之中。其中用户画像标签系统为推荐系统提供数据支持，商品推荐的Ctr/Cvr点击率/转化率预估系统为推荐系统推荐结果提供排序依据。
项目架构
1、推荐系统项目业务背景介绍
2、推荐系统架构
3、企业级用户画像
4、SparkMllib案例实战
5、多路召回算法
6、排序算法
7、推荐系统指标评估
小智同学-聊天机器人
小智聊天机器人，使用了自然语言处理的技术，实现人机对话。实现的是一个类似智能客服的系统，实现了闲聊功能和问答功能，在App上提供了入口，能够和机器人闲聊和编程相关的问题。
项目架构
1、jieba分词
2、skip-gram模型
3、CBOW模型
4、词嵌入原理word_embedding
5、神经网络RNN-LSTM-GRU
6、Seq2Seq模型完整搭建和训练
7、astText+Attention注意力机制
百京金融风控项目
金融风控项目搭建了整套金融风控知识体系，从反欺诈、信用风险策略、评分卡模型构建等热点知识，使得学员具备中级金融风控分析师能力。
项目特色
1、常见信贷风险、金融风控领域常用术语
2、信贷审批业务基本流程、ABC评分卡概念、正负样本定义方法等
3、特征衍生、特征交叉、特征评估与筛选
4、逻辑回归评分卡、集成学习评分卡、模型评价（KS，AUC），评分映射方法，模型报告
5、样本不均衡的处理方法，异常点检测的常用方法
线下线上双班型
学习方式随心选
- Python入门教程完整版
- Python爬虫热点项目
- 6节课掌握Python爬虫
- 解读机器学习经典算法
- 4天学会Python量化交易
- 人工智能必学基础课
- Django入门视频教程
- 入门Flask框架Web开发
