2.人工智能的產(chǎn)業(yè)應(yīng)用概述

3.人工智能發(fā)展現(xiàn)狀及趨勢(shì)概述

4.人工智能熱點(diǎn)問題和前沿研究介紹

2.人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例

3.人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用

4.人工智能在制造業(yè)領(lǐng)域的應(yīng)用

5.人工智能在金融、消費(fèi)領(lǐng)域的應(yīng)用

6.人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用

2.python編程軟件安裝

3.python基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)

4.python的循環(huán)與判斷結(jié)構(gòu)

5.函數(shù)定義、類的定義

6.第三方庫(kù)的使用：numpy、pandas、matplotlib

7.圖像/視頻處理、語(yǔ)音處理、自然語(yǔ)言處理等領(lǐng)域的基本方法

2.深度學(xué)習(xí)框架運(yùn)行的基本軟硬件環(huán)境要求

3.深度學(xué)習(xí)框架的安裝

4.運(yùn)行講師提供的人工智能簡(jiǎn)単示例驗(yàn)證環(huán)境的正確性

5.熟悉實(shí)驗(yàn)資料和實(shí)驗(yàn)環(huán)境

2.線性回歸

3.邏輯回歸算法及應(yīng)用

4.嶺回歸

5.樸素貝葉斯算法及其應(yīng)用

6.支持向量機(jī)

7.決策樹算法模型及其應(yīng)用

8.隨機(jī)森林

9.關(guān)聯(lián)分析算法模型及其應(yīng)用

10.聚類算法模型及其應(yīng)用

11.Sklearn庫(kù)概述

12.Sklearn庫(kù)概述的實(shí)戰(zhàn)操作

13.利用Python語(yǔ)言編程,實(shí)現(xiàn)分類預(yù)測(cè)項(xiàng)目

14.機(jī)器學(xué)習(xí)常見評(píng)估方法：準(zhǔn)確率、召回率、混淆矩陣、F1-score、AUC指標(biāo)、ROC曲線

2.神經(jīng)網(wǎng)絡(luò)算法模型及其應(yīng)用

3.卷積神經(jīng)網(wǎng)絡(luò)算法及應(yīng)用

4.循環(huán)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的應(yīng)用

5.圖神經(jīng)網(wǎng)絡(luò)算法模型及其應(yīng)用

2.TensorFlow深度學(xué)習(xí)平臺(tái)的工作機(jī)制和系統(tǒng)架構(gòu)

3.TensorFlow的應(yīng)用場(chǎng)景和應(yīng)用案例

4.TensorFlow CNN應(yīng)用操作

5.TensorFlow LSTM應(yīng)用操作

6.基于TensorFlow的可視化工具：Tensorboard簡(jiǎn)介

7.Tensorboard的部署、配置和應(yīng)用界面操作

8.基于TensorFlow和Tensorboard進(jìn)行實(shí)驗(yàn)操作

9.深度學(xué)習(xí)算法常見的評(píng)估方法：準(zhǔn)確率、召回率、AUC指標(biāo)、ROC曲線、目標(biāo)識(shí)別交并比、圖像分割交并比

2.Keras AI平臺(tái)的部署與配置

3.Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制

4.Keras實(shí)驗(yàn)案例操作

2.Pytorch AI平臺(tái)的部署與配置

3.Pytorch技術(shù)實(shí)現(xiàn)與工作機(jī)制

4.Pytorch實(shí)驗(yàn)案例操作

5.基于Pytorch的深度學(xué)習(xí)案例實(shí)踐

2.講師提供項(xiàng)目指導(dǎo)手冊(cè),帶著學(xué)員完成,學(xué)員獨(dú)立完成后，講師答疑