<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr>
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<button id="gi2s4"></button>
<wbr id="gi2s4"></wbr>
<button id="gi2s4"><strong id="gi2s4"></strong></button>
<button id="gi2s4"></button>
<button id="gi2s4"></button>
<div id="gi2s4"><s id="gi2s4"></s></div>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr><div id="gi2s4"><s id="gi2s4"></s></div>
當前位置: 首頁(yè) > 公開(kāi)課程 > 課程內容
廣告1
相關(guān)熱門(mén)公開(kāi)課程更多 》
相關(guān)熱門(mén)內訓課程更多 》
相關(guān)最新下載資料

人工智能實(shí)踐項目案例分析與實(shí)戰應用

課程編號:58517   課程人氣:648

課程價(jià)格:¥8800  課程時(shí)長(cháng):4天

行業(yè)類(lèi)別:各行業(yè)通用    專(zhuān)業(yè)類(lèi)別:人工智能 

授課講師:專(zhuān)家團

課程安排:

       2024.6.22 杭州



  • 課程說(shuō)明
  • 講師介紹
  • 選擇同類(lèi)課
【培訓對象】


【培訓收益】
課程中通過(guò)細致講解,使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括: 1. 回歸算法理論與實(shí)戰; 2. 分類(lèi)算法理論與實(shí)戰; 3. 降維算法理論與實(shí)戰; 4. 聚類(lèi)算法理論與實(shí)戰; 5. 神經(jīng)網(wǎng)絡(luò )算法; 6. Tensorflow DNN CNN構建; 7. 基于OpenCV計算機視覺(jué)識別; 8. 從0到1完成知識圖譜構建; 9. 通過(guò)展示教師的實(shí)際科研成果,講述人工智能與知識圖譜的技術(shù)原理與應用系統開(kāi)發(fā)方法、知識圖譜系統開(kāi)發(fā)工具使用方法。使學(xué)員掌握知識圖譜基礎與專(zhuān)門(mén)知識,獲得較強的知識圖譜應用系統的分析、設計、實(shí)現能力。

機器學(xué)習基礎 1. 機器學(xué)習的開(kāi)發(fā)過(guò)程
2. 監督學(xué)習的處理模式
3. 無(wú)監督學(xué)習的處理模式
4. 機器學(xué)習模型的開(kāi)發(fā)步驟
5. 機器學(xué)習模型開(kāi)發(fā)的要點(diǎn)

機器學(xué)習實(shí)戰 1. 分類(lèi)
2. 回歸
3. 時(shí)間序列分析
4. 關(guān)聯(lián)分析
5. 聚類(lèi)與降維
深度學(xué)習基礎 1. 神經(jīng)元與神經(jīng)網(wǎng)絡(luò )
2. 激活函數的點(diǎn)火機制
3. Sigmoid函數與參數優(yōu)化
4. 梯度下降法
5. 簡(jiǎn)單感知機
6. 多層感知機
7. Tensorflow實(shí)現感知機
8. Keras實(shí)現感知機
9. PyTorch實(shí)現感知機
深度學(xué)習進(jìn)階 1. 前饋神經(jīng)網(wǎng)絡(luò )
2. 誤差反向傳播
3. 創(chuàng )建神經(jīng)網(wǎng)絡(luò )
4. Fashion-MNIST圖像識別
5. TensorFlow構建圖像識別網(wǎng)絡(luò )模型
6. Keras構建圖像識別網(wǎng)絡(luò )模型
7. PyTorch構建圖像識別網(wǎng)絡(luò )模型
卷積神經(jīng)網(wǎng)絡(luò )與圖像識別 1. 卷積神經(jīng)網(wǎng)絡(luò )的結構
2. 基于TensorFlow構建CNN
3. 基于Keras構建CNN
4. 基于PyTorch構建CNN
一般物體的圖像識別 1. 多分類(lèi)數據集CIFAR-10介紹
2. CNN識別普通物體的結構
3. 基于TensorFlow + CNN構建物體識別模型
4. 基于Keras + CNN構建物體識別模型
5. 基于PyTorch + CNN構建物體識別模型
6. 模型調優(yōu)提高物體識別精度
循環(huán)神經(jīng)網(wǎng)絡(luò ) 1. RNN基本結構
2. LSTM文章生成
3. GRU圖像生成
4. VEA圖像生成
5. GAN圖像生成
Open CV與圖像識別 1. OpenCV安裝
2. 基于OpenCV物體檢測
3. 圖像檢測與圖像保存
知識圖譜概述 1.知識圖譜(KG)概念
2.知識圖譜的起源與發(fā)展
3.典型知識圖譜項目簡(jiǎn)介
4.知識圖譜技術(shù)概述
5.知識圖譜典型應用
知識存儲 1. 知識圖譜數據庫
2. 知識圖譜存儲方法
3. 基于Neo4j的知識存儲實(shí)踐
4. 開(kāi)源知識存儲工具理論與實(shí)踐
知識圖譜案例 基于Neo4j人物關(guān)系知識圖譜存儲與檢索
GYM與強化學(xué)習 1. GYM安裝與游戲獎罰設置
2. 強化學(xué)習的與眾不同
3. 馬爾科夫性質(zhì)與決策過(guò)程
4. SARSA 算法介紹與推導
5. 蒙特卡洛多步采樣

基于DQN神經(jīng)網(wǎng)絡(luò )構建 1. CartPole規則與演示
2. Q-Table局限性
3. 爬山算法獲取最優(yōu)解
4. DQN 強化神經(jīng)網(wǎng)絡(luò )
5. DQN原理分析
6. 強化學(xué)習模型部署與應用
 

咨詢(xún)電話(huà):
0571-86155444
咨詢(xún)熱線(xiàn):
  • 微信:13857108608
聯(lián)系我們
蜜芽亚洲av无码精品色午夜_久久免费国产AⅤ网_一本大道香蕉高清久久_精品久久久久久亚洲
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr>
<wbr id="gi2s4"><strong id="gi2s4"></strong></wbr>
<button id="gi2s4"></button>
<wbr id="gi2s4"></wbr>
<button id="gi2s4"><strong id="gi2s4"></strong></button>
<button id="gi2s4"></button>
<button id="gi2s4"></button>
<div id="gi2s4"><s id="gi2s4"></s></div>
<wbr id="gi2s4"><label id="gi2s4"></label></wbr><div id="gi2s4"><s id="gi2s4"></s></div>