人工智能深度学习与应用

72

深度算法工程师、软件测试工程师

算法科学家、人脸识别算法工程师

人工智能机器视觉检测与应用

72

芯片检测师、硬件工程师、质量控制工程师

后端开发工程师、运动控制算法工程师

人工智能在数据挖掘中的应用与实战

72

算法工程师、数据采集复习专员

课程章节

课程内容

学时

人工智能的python编程

1.Jupyter Lab开发环境的基本操作

2.Python的基础语法的编写

3.常用的工具库的使用

4.Python面向对象编程

5.简单的Python机器学习和深度学习典型应用案例的编写

9

爬山算法、极大极小值算法和线性回归算法的应用

1.用Python语言完成对应问题的模型搭建

2.定义相关的冲突函数的编写

3.模型搭建、参数设定和问题最优解的计算

4.决策函数的编写

5.函数的执行和游戏分值计算、输出

9

朴素贝叶斯算法和逻辑回归模型的应用

1.先验概率、后验概率和条件概率值计算的代码编写

2.分类问题的特点和数据的特征的分析

3.数据集可视化的操作

4.算法模型的搭建

5.Python语言进行sigmoid函数的构建

6.逻辑回归模型、损失函数的搭建

7.梯度下降法更新模型参数的使用

8.考试样本数据的使用

9

K-means聚类算法和决策树模型的应用

1.用Python语言进行K-means聚类器构造

2.经典鸢尾花数据集分析和可视化操作

3.通过聚类器完成数据特征选择和聚类

4、用Python语言进行数据集创建，构建决策树模型并可视化和决策预测

9

基于支持向量机SVM和鸢尾花数据集的分类

1.分类问题特点的分析应用

2.数据集的特征分析应用

3.用支持向量机模型对数据进行训练

4.用支持向量机模型对数据进行预测和数据集的分类

9

基于神经网络CNN的小狗识别

1.用Python进行图像数据导入

2.用Python进行图像预处理

3.数据可视化

4.搭建CNN模型并用图像数据进行训练

5.用CNN模型进行模型评估、优化

9

基于OpenCV的特征提取和人脸识别

1.OpenCV库的常用方法的使用

2.便携式线简单的区域描绘

3.对应的图像处理任务的代码编写

4.可视化灰度共现矩阵的编写

5.常用的人脸数据库和识别方法的调用

9

合计

72

课程章节

课程内容

学时

人工智能相关基础与实战

1.Python编程基础

2.Python编程环境搭建实战

3.Python变量类型和运算符实操

4.Python编程实操

9

机器学习

1.常用算法回归算法、决策树、集成算法等

2.基于回归算法的房价预测案例

3.基于分类算法的sonar声呐识别实战

4.基于聚类算法的鸢尾花案例

9

神经网络及深度学习应用

1.神经网络及深度学习的原理及应用

2.TensorFlow的相关知识及应用

3.基于神经网络的案例分析实战

4.基于TensorFlow的手写数据集实战

9

计算机视觉应用

1.open-cv的图像增强、图像识别知识

2.卷积神经网络及常用VGG等模型应用

3.基于CNN的MNIST数据集识别实战

4.基于CNN的名家画作鉴赏实战

9

5G、工业互联网、智能制造与AI应用

1.于工业的数据分析与预测

2.基于图像识别的案例应用

9

工业场景缺陷检测：语义分割、目标检测

OCR检测识别应用

1.于Labelimg的数据标注应用

2.基于YOLO模型的物品检测实战

3.基于U-NET模型的语义分割

4.基于OCR的验证码识别

9

智能制造工业光源与工业产品应用

1.条型、环型光源实操

2.面型、开孔面型光源实操

3.同轴型、平行同轴型、穹顶型光源实操

其他光源实操

9

SMore ViMo实战

1.分类缺陷实操

2.分割任务实操

3.检测任务实操

4.OCR字符识别实操

9

合计

72

课程章节

课程内容

学时

数理模型搭建实操

1.高维数据处理实操

2.数据可视化实操

3.假设检定模型搭建

12

Python语法应用

1.直通率与最终合格率转换实操

2.蒙特卡罗方法计算产线良率实操

3.文本进度条与七段数码管实操

12

基于Python语法文本词频统计应用

1.库的安装、引用与使用实操

2.文本下载与读取实操

3.英文文本词频统计实操

4.中文文本词频统计实操

5.词云展示实操

12

数据挖掘算法应用

1.关联规则算法实操

2.关联规则案例实操

3.回归分析算法实操

4.回归分析人岗匹配案例实操

12

数据库程序设计实战

1.从无到有设计TABLE SCHEMA

2.系统分析与设计，探讨系统需求实操

3.开发应用程序存取数据库实操

9

工业数据特征工程及控制

1.numpy, pandas套件数据读取与数据表建立实操

2.数据表索引切片实操

3.缺失值，异常值处理实操

4.数据分组计算实操

5.数据表迭合实操

6.matplotlib 套件进行数据可视化实操

透过案例数据进行主成份分析实操

9

机器学习算法及应用

1.机器学习建模流程实操

2.评估指标介绍（混淆矩阵，准确率，RMSE等）

3.模型拟合现象介绍（欠拟合，过拟合）

六大模块（分类，回归，聚类，降维，模型选择，特征萃取）应用实操

9

合计

72