图文模块(1)

备注1.png    开班时间:滚动开班

图文模块(1)(1)

备注1.png    培训时长:5个月

图文模块(1)(1)(1)

备注1.png    培训地址:成都市武侯区科园南二路2号院3栋3层(8号线殷家林地铁站旁)

文本
适合人群
图片
文本
预转型开发人员
图片
文本
理工科相关专业
图片
文本
研发管理技术拓展
图片
文本
人工智能爱好者
文本
职业岗位
图片
文本
强化学习算法工程师
自动驾驶工程师
自动驾驶感知算法工程师
自动驾驶控制算法工程师
图片
文本
自然语言处理算法工程师 NLP算法工程师 语义理解算法工程师 语义分析算法工程师 语义分割算法工程师 NLG语义生成算法工程师 知识图谱算法工程师
图片
文本
图像算法工程师
图像识别算法工程师
图像处理算法工程师
图像视觉算法工程师
计算机视觉算法工程师
计算机视觉工程师
视觉算法工程师
信号处理算法工程师
图片
文本
语音型号处理算法工程师
语音识别算法工程师
语音算法工程师
声纹识别算法工程师
语音工程师
文本
训练营特色
图片
文本
课程体系更完整
文本
技术知识+职场指导
图片
文本
讲师经验更丰富
文本
三年以上AI教学从业经验
图片
文本
实战项目更真实
文本
涉及各行业的真实商业项目
图片
文本
学情管理更专业
文本
专业学习顾问贴心服务
图片
文本
课后服务更贴心
文本
社区式教学+课后实时答疑
图片
文本
学习资源更充足
文本
顶会论文解析和大厂经验分享
图片
文本
学习方式更灵活
文本
灵活开班+系统化学习
图片
文本
就业指导更完美
文本
专业的HR就业团队提升就业率
文本
人工智能算法工程师课程目录
文本
第一阶段 基础知识
第一阶段
课程名称
课程章节学习内容学习目标
人工智能基础人工智能的原理概念
  • 原理和定义

  • 发展历程

  • 模型分类

掌握人工智能的基本概念、项目流程,以及常见的应用场景
人工智能的项目流程
  • 数据处理

  • 模型设计

  • 训练优化

  • 测试评估

  • 实施部署

人工智能的应用场景
  • 图像视觉

  • 语音信号

  • 自然语言

  • 工业自动化

python编程基础语言介绍
  • 发展历程

  • 下载安装

  • 语言特点

  • 基本语法

  • 帮助

  • 接口

  • 特点

  • 应用领域

  • 开发工具

  • 标准库

  • 开发环境

  • 著名应用

  • 学习网站

掌握python程序的编程基础,能够完成一般的程序设计
数据类型
  • 数字类型

  • 字符串类型

  • 布尔类型

  • 列表类型

  • 元组类型

  • 字典类型

  • 集合类型

运算符
  • 算数运算符

  • 比较运算符

  • 赋值运算符

  • 逻辑运算符

  • 位运算符

  • 成员运算符

  • 身份运算符

  • 运算符优先级

语句
  • 输出语句

  • 赋值语句

  • 运算语句

  • 判断语句

  • 循环语句

  • 中断语句

  • 调用语句

  • 返回语句

函数
  • 函数头

  • 函数体

  • 函数参数

  • 函数变量

  • 函数返回值

  • 函数调用

类和对象
  • 类的定义

  • 类变量

  • 数据成员

  • 方法重写

  • 局部变量

  • 实列变量

  • 类的继承

  • 实例化类

  • 方法

  • 对象

模块和包
  • 模块和包的区别

  • 模块和包的导入方法

  • 导入模块和包的路径

文件读写
  • txt文件的读写

  • json文件的读写

  • xml文件的读写

  • 文件夹的读写

异常处理
  • 异常的定义

  • 异常的处理方法

数学基础高等数学
  • 函数的定义

  • 函数的特性

  • 初等函数的类型

  • 复合函数

  • 多项式函数

  • 极限的定义

  • 洛必达法则

  • 极值与最值

  • 泰勒级数

  • 梯度的含义

  • 梯度的几何意义

  • 梯度的数学表示

  • 梯度下降

  • 梯度反向传播

  • 导数的定义

  • 导数的几何意义

  • 导数与函数的关系

  • 二阶导数的概念与定理

  • 导数阶数的几何意义

  • 求偏导数

  • 复合函数求导

掌握人工智能必需的数学理论基础
线性代数
  • 线性方程组

  • 线性与非线性问题

  • 线性的相关性

  • 线性变换

  • 仿射变换

  • 基的概念和类别

  • 数据的维度

  • 范数的概念和意义

  • 矩阵的概念

  • 矩阵的运算

  • 最小二乘法

  • 矩阵的类别

  • 矩阵特征方程

  • 相似矩阵

  • 奇异值分解

概率统计
  • 事件的概念

  • 排列组合

  • 古典概率

  • 边缘概率

  • 条件概率

  • 联合概率

  • 概率运算

  • 事件的独立性

  • 事件的互斥性

  • 全概率模型

  • 贝叶斯定理

  • 概率的类别

  • 期望与方差

  • 概率密度

  • 伯努利分布

  • 泊松分布

  • 高斯分布

  • 均匀分布

  • 高斯分布

  • 参数估计

信息论
  • 信息的概念与意义

  • 熵的定义

  • 信息熵的表示

  • 条件熵的意义

  • 相对熵的定义

  • 交叉熵的定义

  • 互信息的概念

图像数据编程NumPy
  • NumPy与python的关系

  • NumPy与pytorch的关系

  • NumPy的优缺点

  • NumPy形状

  • NumPy类型

  • NumPy维度和轴

  • NumPy常见的数组

  • NumPy索引操作

  • NumPy切片操作

  • NumPy形状操作

  • NumPy运算操作

掌握图像的基础知识和数据编程规范,能够对图像做一些简单的处理
PIL
  • 图像创建

  • 图像缩放

  • 图像裁剪

  • 图像旋转翻转

  • 图像模式转换

  • 图像数组转换

  • 图片保存

  • 图像画图

  • 图像文本写入

  • 生成验证码练习

Matplotlib
  • 实时画图

  • 画散点图

  • 画柱状图

  • 画条形图

  • 画3D点图

opencv视觉处理
基本操作
  • 图像读取和保存

  • 视频读取和保存

  • 图像通道操作

  • 图像色彩空间

  • 图像阈值操作

  • 图像掩码操作

  • 图像混合操作

  • 图像插值算法

掌握opencv在图像、视频等视觉方面的处理技术,能够对图像和视频做一些复杂的处理
高级操作
  • 图像仿射变换

  • 图像形态学操作

  • 图像滤波操作

  • 图像傅里叶变换

  • 图像直方图均衡化

  • 图像canny算子操作

  • 图像轮廓绘制与查找

  • 图像边界检测

  • 图像轮廓性质

  • 图像金字塔操作

  • 霍夫变换操作

  • 分水岭算法

实际项目
  • 拼图

  • 车牌提取

  • 目标检测

机器学习数据处理
  • 机器学习任务介绍

  • 数据的标准化处理

  • 数据集分划分和读取使用

掌握常用的机器学习算法模型
回归
  • 线性回归

  • lasso回归和岭回归

  • 多任务岭回归

  • 核岭回归

  • SVM-SVR

分类
  • SVM-SVC

  • 决策树

  • KD树

  • KNN

聚类
  • kmeans

神经网络基础pytorch入门
  • tensor的创建
  • tensor的形状和类型

  • tensor的梯度设置

  • tensor的运算

  • 数据的读取

  • GPU的使用

掌握神经网络的基础模型,并能设计和训练常规的网络模型
神经网络基础
  • 神经网络的概念

  • 神经网络的结构

  • 神经网络的样本

  • 神经网络的训练

  • 神经网络的评估

全连接神经网络
  • 全连接模型的设计

  • 全连接模型的参数计算

  • 全连接模型实现手写数字识别

  • 阶段实战——猫狗识别

卷积神经网络
  • 卷积运算的原理

  • 卷积神经网络的构成元素

  • 卷积神经网络的运行过程

  • 卷积的感受野计算

  • 卷积的参数和运算量计算

  • 常见的卷积类型

  • 池化的应用

  • 阶段实战——无人机侦测

循环神经网络
  • RNN网络的原理

  • RNN网络的运行过程

  • RNN的类别

  • RNN网络的参数计算

  • LSTM网络的原理

  • LSTM网络的门结构

  • peephole connection网络的结构

  • coupled网络的结构

  • GRU网络的结构

  • SRU网络的结构

  • 双向LSTM/GRU网络的结构

  • 阶段实战——车牌识别

文本
第二阶段 实力进阶
第一阶段(1)
课程名称
课程章节学习内容学习目标

网络优化与设计

梯度问题及优化

  • 梯度爆炸概念

  • 梯度爆炸的原因

  • 梯度弥散概念

  • 梯度弥散的原因

  • 学习率调整

  • 参数初始化

  • 激活函数选择

  • Batch Norm

  • Layer Norm

  • Instance Norm

  • Group Norm

  • 梯度裁剪

掌握模型优化和设计的方法,能够熟练的使用和更改常见的模型结构

拟合问题及优化

  • 欠拟合现象

  • 产生欠拟合的原因

  • 过拟合现象

  • 产生过拟合的原因

  • L1/L2正则化的方法

  • 正则化项的惩罚系数

  • 正则化参数的更新

  • Dropout

  • 收集损失/精度/权重/输出

  • 可视化展示收集的数据

模型的设计方法

  • 3*3的卷积核

  • 像素切片转换通道(focus)

  • 像素混洗(Pixel Shuffle)

  • 1*1的卷积核

  • 分组卷积

  • 可分离卷积

  • 通道混洗

  • 1*1,3*3,1*1的组合

  • Bottleneck结构模型

  • compound scaling method

  • 其他深度、宽度、分辨率平衡方法

常见的网络模型及设计原理

  • LeNet

  • AlexNet

  • VggNet(11,13,16,19)

  • GoogLeNet(Google Inception Net,v1,v2,v3)

  • SqueezeNet

  • ResNet(50,101)

  • DenseNet(121,161,169,201)

  • DarkNet(19,53)

  • MobileNet(v1,v2,v3)

  • ShuffleNet(v1,v2)

  • EfficientNet

  • RegNet

  • RepVGG

  • NFNet

  • ResNet-RS

注意力机制

  • 注意力即关注焦点

  • 从算力的角度分析

  • 从算法角度分析

  • 普通注意力

  • 自注意力

  • 多头注意力

  • 普通注意力的计算

  • 自注意力的计算

  • 多头注意力的计算

  • 通道注意力

  • 空间注意力

  • 混合注意力

  • Transformer

  • Bert

  • GPT

  • Residual Attention Network

  • Non-local Neural Networks

  • Interaction-aware Attention Network

  • Attention Augmented Convolutional Networks

模型量化与部署性能指标
  • 帧率(f/s,frames per second,fps)
掌握模型量化的方法和部署方法,能够在常用的设备平台上部署模型
精度指标
  • Precision

  • Recall

  • PRC

  • F1-score

  • ROC

  • AUC

  • IOU

  • mAP

泛化能力
  • 不同数据集的表现
评估偏好选择
  • 速度的选择

  • 精度的选择

剪枝
  • 非结构化剪枝

  • 结构化剪枝

  • 随机剪枝

  • 范数剪枝

  • 迭代剪枝

量化
  • 动态量化

  • 静态量化

  • 局部量化

  • 整体量化

蒸馏
  • Teacher Net

  • Student Net

  • Label Smooth

  • Cosine annealing

模型部署语言
  • C/C++

  • JAVA

  • Python

  • 其他语言

模型部署平台
  • Windows

  • Linux

  • Android

  • iOS

模型部署设备
  • PC端(个人电脑:Windows,Linux)

  • Server端(服务器:Windows,Linux)

  • Mobil端(移动设置:iOS,Android)

  • IOT端(传感器、板卡:Android)

模型部署方式
  • Libtorch源生部署

  • torch. jit. trace ( )转换

  • 转成onnx部署

  • TensorRt部署加速

模型部署接口
  • HTTP(flask)

  • TCP/IP(socket)

文本
第三阶段 商业项目
第一阶段(1)(1)
课程名称
课程章节学习内容学习目标
单类目标识别项目单类多目标检测
  • MTCNN

  • RetinaFace

掌握单类多目标项目的检测识别流程,能够训练出自己的人脸识别模型
近似目标分类
  • Siamese network

  • center loss

  • softmax loss

  • L-softmax loss

  • A-softmax loss

  • AM-softmax loss

  • Arc-softmax loss(arc face)

人脸识别项目
  • RetinaFace Arc-softmax loss(arc face)
多类目标识别项目RCNN系列
  • RCNN

  • SPP-Net

  • fast-RCNN

  • faster-RCNN

掌握多类多目标的检测识别流程,能够训练出自己的多目标检测识别模型
YOLO系列
  • YOLO-v1

  • SSD-Net

  • YOLO-v2

  • YOLO-9000

  • YOLO-v3

  • YOLO-v4

  • YOLO-v5

  • YOLO-v?

图像生成项目自编码生成模型
  • AE

  • SAE

  • DAE

  • CAE

  • VAE

掌握图像生成的原理和技术,能够生成动漫卡通人脸的效果
对抗生成模型
  • GAN

  • CGAN

  • DCGAN

图像分割项目U-Net系列
  • U-Net

  • U-Net++

  • U-Net3+

  • U2-Net

掌握图像分割的技术和模型,能够使用图像分割技术完成人物背景分割和替换
DeepLab
  • Image Pyramid

  • Encoder-Decoder

  • SPP(Spatial Pyranid Pooling)

  • ASPP(Atrous Spatial Pyramid Pooling)

Mask-Rcnn
  • Box Regressi on

  • Classifi cation

  • Mask segmentation

评估方法
  • Dice Index

  • SA

  • OR

  • UR

人物背景替换系统
  • 视频人物的背景分割和替换
文本
第四阶段 扩展项目
第一阶段(1)(1)(1)
课程名称
课程章节学习内容学习目标
语音识别(基础+案例)语音识别的概念
  • 语音识别的解释

  • 语音识别包含的技术

  • 语音识别的发展

掌握语音识别的从基本技术,能够完成语音命令的识别案例
语音识别的分类
  • 根据不同对象分类

  • 根据不同发音人分类

  • 根据语音设备和通道分类

  • 根据应用场景分类

语音数据库
  • MIT Media lab Speech Dataset(麻省理工学院语音数据集)

  • Pitch and Voicing Estimates for Aurora2(Aurora2语音库)

  • Congressional speech data(国会语音数据)

  • Mandarin Speech Frame Data(普通话语音帧数据)

  • 自制数据集,如果是特定的语音识别,则需要自制数据集

  • 开源语音识别库:Kaldi、Torchadio等

语音数据的采样
  • 采样率

  • 采样精度

  • 通道数

  • 比特率

  • 音频的帧

  • 将数据读入模型

语音数据的预处理
  • 端点检测

  • 语音增强

语音识别的模型
  • 传统机器学习模型

  • 深度学习模型

语音识别的应用
  • 语音唤醒

  • 语音命令

  • 语音辨识

  • 声纹识别

  • 语音合成

语音识别的问题
  • 语义规则的建立

  • 发出语音个体的影响

  • 语音的模糊性

  • 语音���下文的影响

  • 外界环境的影响

自然语言处理(基础+项目)词嵌入
  • 词关系

  • 词向量

  • 词编码

掌握自然语言处理的原理和模型,能够训练自己的GPT2模型
语言模型
  • SEQ2SEQ模型

  • SEQ+注意力

  • word2vec

  • EMLo

  • Transformer

  • BERT

  • GPT\GPT2\GPT3

强化学习(基础+案例)作用和原理
  • 决策和规划

  • 贝尔曼方程

  • 蒙特卡罗方法

  • 强化学习的要素

  • 马尔可夫随机和马尔可夫决策

掌握强化学习的基本技术,能够完成Q学习的代码,并训练DQN的模型
模型
  • Q-Learning

  • DQN

  • A2C\A3C

  • DDPG

tensorfloWtensorflow入门
  • tensorflow 1.X与2.X的区别和安装

  • 图与会话的概念

  • placeholder占位符创建

  • 图的构建

  • 数据的读入

  • 启动会话

  • 保存和恢复模型


tensorflow进阶
  • tensorflow全连接神经网络模型实现

  • tensorflow卷积神经网络模型实现

  • tensorflow循环神经网络模型实现

  • tensorflow生成式神经网络模型实现

文本
第五阶段 毕业设计
第一阶段(1)(1)(1)(1)
课程名称
课程章节学习内容学习目标
商业项目案例分析技术落地分析
  • 商业应用场景

  • 技术原理与难度

  • 商业价值

掌握商业项目的落地要素和不同商业项目的实施方案
项目的实施分析
  • 项目的总体实施规划

  • 实施中可能出现的问题

  • 项且实施中的预案

真实商业项目案例
  • 智慧工地的安全帽检测

  • 大棚种植智能化平台方案

  • 汽车轮胎缺陷智能检测

  • 人脸抓拍布控系统应用技术方案书

  • “智慧安监”工程一一总体建设方案

技术解决方案编写技术解诀方案概论
  • 解诀方案的本质

  • 售前工作阶段

  • 方案书的侧重点

掌握技术解决方案的作用和编写方法,能够编写自己的技术解诀方案
如何写好技术解诀方案
  • 解决方案的架构组成

  • 解决方案的设计流程

  • 解决方案的行文格式

技术解决方案的设计优化
  • 解决方案的难点在哪里

  • 坏的技术解诀方案有哪些特征

  • 写好技术解决方案的方法

  • 解决方案书的包装

设计工具的应用
  • word excel方案文档

  • 架构图、流程图、UML图

  • PPT

编写技术方案
  • 按照要求编写个人技术方案

团队项目研发和管理项目研发阶段
  • 项目立案讨论阶段

  • 项目计划书阶段

  • 项目研发优化阶段

  • 项目测试部署阶段

掌握团队项目的研发流程,能够完成团队安排给自己的工作任务
团队成员任务安排
  • 任务的量化指标

  • 任务的协调与配合

  • 任务的检查

项目的管理
  • 整体进度的控制

  • 团队成员的监督

  • 意外事件的预案

团队项目个人答辩项目答辩文档
  • 文档格式

  • 文档结构顺序

  • 文档内容排版

按照要求写完答辩文档,并按照答辩规则完成答辩
项目答辩要求
  • 时间要求

  • 内容要求

  • 状态要求

项目评分标准
  • 正确性

  • 完整性

  • 深度

文本
第六阶段 就业指导
第一阶段(1)(1)(1)(1)(1)
课程名称课程章节学习内容
简历HR喜欢什么样的简历?
  • 简历到底是被如何筛选的

  • 简历的四大板块

  • 如何挑选适合自己的简历模板

  • 撰写简历的四大原则

笔试深度解析笔试常见题型
  • 逻辑推理题解析:数据推理、图形推理、文字推理

  • 数据分析题解析:数据估算、数据处理

  • 岗位认知题解析:数据运营题等

群面互联网名企群面实战模拟
  • BAT经典群面真题现场群面模拟

  • 学员表现深度点评

  • 群面解题方法讲解

  • 群面讨论中的注意事项讲解

单面深度解析单面必考题型
  • 如何回答:

  • 请做一下自我介绍。

  • 在上一份实习中学到了什么?

  • 你最大的缺点是什么?

  • 你有男朋友吗?

面试前如何高效准备
  • 面试准备基本步骤与方法

  • “峰终效应”在面试中体现

“业务面”考点解析
  • “业务面”流程与形式介绍

  • 常见题型解析

  • 如何高效备战“业务面”

“高管面”考点解析
  • “高管面”流程与形式介绍

  • 常见题型解析

  • 面试技巧解析

“HR面”考点解析
  • “HR面”流程与形式介绍

  • “HR面”经典问题解析

  • 如何让HR对你印象深刻

求职专项求职必备的逻辑表达能力
  • 金字塔原理

  • 结构化思考和表达

接offer前要知道的事
  • 薪酬包含哪些,如何计算?

  • 晋升路径有哪些?

  • “三方”“offer”“劳动合同”的区别,以及如何毁约?