大数据基础与实战(90学时)

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。《大数据基础与实战》课程,是真正面向企业大数据业务的实践性课程,基于跨象乘云公司集成部署的大数据工程实践系统环境,旨在帮助学生了解:各种大数据技术如何运作,这些技术应何时用于较大规模的大数据项目中,它们如何同时发挥作用,为企业提供最高的投资回报率。该课程旨在阐述大数据项目的五个阶段战略,使学生了解如何使用并充分利用大数据。这五个阶段包括:

  • 数据处理底层架构(阶段1)
  • 数据采集和存储(阶段2)
  • 数据访问和处理(阶段3)
  • 数据统一和分析(阶段4)
  • 数据安全/可视化/性能优化(阶段5)

每个阶段均包括 Hadoop 核心组件和生态系统技术以及大数据技术或产品。学生将学习信息管理系统如何采用一种全面的方法将大数据(非结构化和半结构化)与关系数据(结构化)进行整合,从而发现更多嵌入大数据池中的价值。同时,通过电子商务,金融,健康医疗等真实的商业级项目实训案例,完整的“端到端”业务流程演示与上机操作训练,让学生真正了解大数据行业背景以及企业实施技术需求,通过直观而具备针对性的训练使学生在最短时间内得到应用技术技能的提升,更进一步满足职业岗位对工作技能的需求。从而使学生能够学习到:

  • 大数据整体业务流程及系统组件部署模式;
  • 数据源捕获与多格式数据集成,
    实现“全”数据分析与挖掘;
  • 应用多种分析算法获得最佳预测计算模型;
  • 利用数据可视化分析系统展现最佳商业智能视图;
  • 通过参与商业项目研发流程,有效掌握岗位所需技能,实现精确匹配;

机器学习与人工智能实战(90学时)

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。同时,在这三种技术中,人工智能是最早出现的,也是最大、最外侧的同心圆;其次是机器学习,稍晚一点;最内侧,是深度学习,乃当今人工智能大爆炸的核心驱动。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。本课程面向初步接触深度学习与人工智能方向学生,基于极易上手入门的流行编程语言 Python,首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如:支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络 …… 等。通过大量的实战案例,了解如何使用当前最火的 Python 编程语言,结合机器学习算法解决各类实际的业务问题。譬如:使用探索分类分析算法实现收入等级评估;使用无监督学习实现市场细分;使用隐马尔科夫模型实现语音识别 …… 等,并深刻掌握以下机器学习核心库的原理与应用:

深度学习与人工智能实战 (90课时)

本课程基于经典深度学习框架 TensorFlow 开发,首先概述讲解深度学习应用与挑战,由计算机视觉中图像分类任务开始讲解深度学习的常规套路。对于复杂的神经网络,将其展开成多个小模块进行逐一攻破,再挑战整体神经网络架构。对于深度学习模型形象解读卷积神经网络原理,详解其中涉及的每一个参数,对卷积网络架构展开分析与评估,对于现阶段火爆的对抗生成网络以及强化学习给出形象解读,并配合项目实战实际演示效果。结合经典深度学习项目案例,完成课程后,学生能使用深度学习框架从零开始完成人脸检测,验证码识别,人脸关键点定位,垃圾邮件分类,图像风格转换,AI 游戏等。对于每一个项目实战,从数据预处理开始逐步构建网络模型并展开分析与评估。

机器人与移动智能开发实战(32学时)

新一代人工智能的核心价值在于应用,随着移动互联网,物联网,中国智造——工业 4.0 等产业的成熟与完善,将机器学习算法,深度学习模型等智能植入移动端 App,嵌入式设备,将成为新一代人工智能技术应用产品化的趋势。本课程基于面向无人智能化领域的嵌入式硬件平台,让学生了解移动端上的深度学习、计算机视觉、GPU  计算和图形方面的新技术。同时,借助高性能、低能耗的 GPU,学生将学习到如何将深度学习模型嵌入到移动设备;在嵌入式“板载终端设备”上处理复杂数据;并铸就更大型更复杂的深度神经网络。从机器人和无人机,到企业协作设备和智能摄像机无一不可进行快速及准确的推理。