人工智能技术服务(610217)学习路径及人才培养模型

人工智能技术服务专业(专业代码:610217),是 2019 年增补专业,主要面向人工智能产业及其应用相关的企事业单位,在人工智能技术应用开发、系统运维、产品营销、技术支持等岗位群,咶从事人工智能应用产品开发与测试、数据处理、系统运维、产品营销、技术支持等工作。

专业课程目录包括 ——

  1. 人工智能导论
  2. 数据预处理与数据标记
  3. 大数据基础与实战
  4. 智能数据挖掘
  5. 机器学习
  6. TensorFlow 2.0 框架
  7. 多框架人工智能开发
  8. 计算机视觉与项目实战
  9. 自然语言处理
  10. 边缘计算嵌入式开发(自动驾驶)
  11. 人脸识别
  12. 智能化软件[……]

    继续阅读

《人工智能导论》课程

本课程面向初次接触人工智能的学生,涵盖的主题包括:人工智能的历史,人工智能在企业及各行各业的应用,解释为何数据对训练神经网络至关重要,以及数据科学工作流程的步骤,同时向学生介绍监督学习和深度学习,并介绍当前的硬件和软件选型。同时,神经网络原理可视化解析器,是一个面向深度学习与新一代人工智能,以图形化界面用于教学目的的简单神经网络交互式演示项目,它非常强大地可视化了神经网络的训练过程。通过直观的交互式演示与实验,让教研人员与学习者高效的掌握神经网络背后的核心思想,并在短时间内对神经网络工作原理以及核心概念具备深刻的认知。通过神经网络可视化解析器,来了解神经网络的原理,通过对源数据,进行训练以达到[……]

继续阅读

《数据预处理与数据标记》课程

机器学习和深度学习项目在大多数企业中变得越来越重要。同时,一个完整的项目流程包括数据整理(Data Preparation)、构建分析模型以及部署至生产环境。该流程是一个:洞察与行动的循环,此循环能不断地改进分析模型。当你打算使用机器学习或深度学习技术来构建分析模型时,一个重要的任务是集成并通过各种数据源来准备数据集,这些数据源包括比如文件、数据库、大数据存储、传感器或社交网络等等。此步骤可占整个分析项目的 80%。显然,数据整理是数据科学的核心。它包括数据清洗和特征工程。另外领域知识(Domain Knowledge)也非常重要,它有助于获得好的结果。数据整理不能完全自动化,至少在初始阶段不[……]

继续阅读

《大数据基础与实战》课程

无论是人工智能,机器学习还是深度学习,其发展与壮大均得益于大数据产业的不断成熟。只有在海量数据,多来源数据,多格式数据分析框架的支撑下,机器学习与深度学习的各种算法模型,才能经过不断的训练,重复验证循环,最终得到理想的结果,而形成机器智能认知。大数据已成为人工智能的基础设施,如何实现大数据与人工智能的有机结合,已成为现今高科技互联网企业的重点探索方向。

2018 年,跨象乘云™ 与华中科技大学软件学院合作,面向数据科学与大数据技术专业,编写《数据科学与大数据技术专业系列规划教材》,经专家评审,确定列入人民邮电出版社教育出版的重点规划。同时,跨象乘云™ 配套企业级仿真工程实践系统环境,专业[……]

继续阅读

《智能数据挖掘》课程

在数据科学技术迅猛发展的今天,各行业都意识到大数据人才,算法工程师的重要性。同时,许多目前大部分机器学习,人工智能平台均需要一定的编程基础。造成许多非计算机专业的经管类,统计及数理类学生,无法施展其在算法上的竞争力,书本上学到的数据科学知识也无法在实验环境中验证。本课程配套可视编程机器学习平台,通过直观的交互式可视化编程界面,让没有编程能力的学生,同样能完成非结构化数据处理,数据挖掘,机器学习,模型分析,算法优化等操作。同时为高等院校深化数据科学与大数据技术理论教学,并培养实际动手能力的应用型人才,提供强力的支撑。

课程概要:了解并强化数据挖掘的基本概念,学习如何使用数据进行分析,实现预[……]

继续阅读

《机器学习》课程

在如今这个处处以数据驱动的世界中,机器学习,深度学习,人工智能正变得越来越大众化。在大数据的爆发性增长背景下,当今的机器学习技术已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分,并且和知识发现与数据挖掘有所交集。

本课程,覆盖机器学习核心算法模型,为学生打下坚实的机器学习算法模型基础,通过超过 20 个实战项目,使学生从技术原理,到[……]

继续阅读

《TensorFlow 2.0 框架》课程

TensorFlow 是由 Google 开发并开源发布的一种流行的机器学习框架及用于数据流编程的框架库。《TensorFlow 深度学习框架 (KXCY-AI-LAB-TF)》课程,通过深度学习交互平台、动画演示教育资源,以及交互式编程实验环境,让学生充分理解如何利用 TensorFlow 构建神经网络模型,神经网络网络构造、内核、池化 (Pooling) 和多级分类等核心概念,线性回归、损失函数和梯度下降等关键技术,用于卷积神经网络 (CNN) 的基本模板,以及可调整的不同参数。并且理解如何利用使用迁移学习(Transfer Learning)充分利用现有网络,即在现有网络之上建立新网络。[……]

继续阅读

《多框架人工智能开发》课程

当前,深度学习与新一代人工智能框架已进入百花齐放的时期,自 PyTorch 推出以来,其热度持续上升,一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为有着诸多优点,如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此,走上学习 PyTorch 的道路已刻不容缓。另一方面,MXNet 以其超强的分布式支持,明显的内存、显存优化为人所称道。同样的模型,MXNet 往往占用更小的内存和显存,并且在分布式环境下,MXNet 展现出了明显优于其他框架的扩展性能。2016 年 11 月,MXNet 被 AWS 正式选择为[……]

继续阅读

《计算机视觉与项目实战》课程

本课程旨在帮助大家快速掌握机器视觉领域必备知识点原理及其在 OpenCV 中的使用方法。同时,学生将了解如何在产业中使用计算机视觉,学习图像处理的主要算法,探讨机器学习如何用于计算机视觉,完成课程后,学生将掌握图像处理、转换和分类的不同技术,了解如何将深度学习应用于视觉任务,以及完成重要的计算机视觉方法,如图像分段和边缘提取。本课程整体设计以项目实战来驱动学习,课程中所有代码均使用 Python 完成,在实战中首先讲解整体解决方案,接下来通过 Debug 模式来一步步分析每一行代码的作用及其完成的效果,提供全部课件及项目中所使用代码和数据。项目案例包括:信用卡数字识别、文档扫描 OCR 识别、[……]

继续阅读

《自然语言处理》课程

本课程将介绍在现代架构上实现自然语言处理技术,主题包括:如何操控用于语言模型的文本,文本生成和主题建模,通过更高级概念的机器学习基础。本课程结束时,学生将掌握以下方面的实践知识:字符串预处理技术的应用,如何将机器学习算法应用于文本分类和其他语言任务。同时,配套BERT模型语句情感分类实战项目案例,基于业内最先进的自然语言处理模型:BERT。基于 IMDB 电影评论的点评文本,实现语句分类与情感分析,覆盖自然语言处理操作的必要步骤与高级特性,包括 —— BERT 模型架构,NLP 迁移学习,句型情感分类,NLP 模型训练,Word2vec,distilBERT 模型,scikit-learn 机[……]

继续阅读