宁波国富AI工程师培训班，主要是帮助学员熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch、熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法等，更多详情请往下看。
1、应用领域扩展：人工智能将在各个领域得到广泛应用，包括医疗保健、金融、交通、制造业、农业等。人工智能技术将帮助提高效率、降低成本、改善决策和创造新的商业模式。
2、自动化和智能化：人工智能将推动自动化和智能化的发展，例如自动驾驶汽车、智能家居、智能机器人等。这些技术将改变我们的生活方式和工作方式。
3、机器学习和深度学习：机器学习和深度学习是人工智能的核心技术，未来将继续发展和改进。这将带来更强大的模型和算法，使机器能够更好地理解和处理复杂的数据和任务。
4、人机协作：人工智能将与人类进行更紧密的合作，共同完成任务。例如，在医疗领域，人工智能可以辅助医生进行诊断和治疗决策；在教育领域，人工智能可以个性化地辅助学习。
5、伦理和社会问题：随着人工智能的发展，伦理和社会问题也将引起更多关注。例如，人工智能的算法是否公平和透明，人工智能对就业市场的影响等。
大学生、在职提升、转行或待业人员
面授/网课、周一到周五8-17点开课
朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试
熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch
熟悉深度学习应用
熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法
了解深度学习高级算法，包括卷积神经网络、循环神经网络等
掌握优化算法和高性能计算方法
掌握NLP自然语言处理一线行业案例
掌握计算机视觉图像识别一线行业案例
| 授课章节 | 授课内容 |
|---|---|
| "01章预备知识：图像识别方法的演进基础 | 01-01开发环境配置：Anaconda环境和MXNet 01-02深度学习简介：起源、特点和发展 01-03计算机视觉概述 01-04数据操作 01-05自动求梯度 01-06图像识别的演进 01-07线性回归与线性回归的实现 01-08线性模型：对数线性二分类、多分类 01-09独热和稠密度向量表示 01-10softmax回归与实现 01-10基于深度学习的图像识别技术发展 |
| 02章深度学习基础知识 | 01-01线性模型的局限性：异或问题 01-02非线性输入转换、核方法、可训练的映射函数 01-03感知机和多层感知机的实现 01-04模型选择、欠拟合过拟合问题 01-05权重衰减和丢弃法 01-06实战案例：房价预测模型 01-07神经网络基础 01-08前馈神经网络、BP神经网络 01-09神经网络的训练 01-10深度学习计算 |
| 03章卷积神经网络与深度学习 | 01-01二维卷积层相关运算 01-02填充和步幅 01-03多输入通道和多输出通道 01-04二维最大池化层和平均池化层 01-05卷积神经网络LeNet模型 01-06深度卷积神经网络AlexNet 01-07使用重复数据的网络 01-08网络中的网络：NIN块和NIN模型 01-09合并行连接的网络 01-10批量归一化 01-11残差网络ResNet模型 01-12稠密度连接网络DeseNet模型 |
| 04章循环神经网络与深度学习 | 01-01语言模型计算 01-02循环神经网络 01-03模型语言数据集 01-04循环神经网络从零开始实现 01-05循环神经网络的简介实现 01-06通过时间反向传播 01-07门控循环单元 01-08长短期记忆 01-09深度循环神经网络 01-10双向循环神经网络 |
| 05章优化算法与深度学习 | 01-01优化与深度学习的关系 01-02梯度下降和随机梯度下降 01-03小批量随机梯度下降 01-04动量法与实现 01-05AdaGrad算法特点与实现 01-06RMSProp算法 01-07AdaDelta算法 01-08Adma算法 |
| 06章计算机技术与高性能计算 | 01-01衡量性能的方法 01-02提高性能性能的各种编程方法 01-03命令式和混合编程 01-04异步计算 01-05自动并行运算 01-06多GPU运算 |
| 07章AI应用方向之计算机视觉 | 01-01使用图像增广训练模型 01-02微调:热狗识别 01-03目标检测和边界框 01-04计算机视觉：锚框生成 01-05多尺度目标检测 01-06目标检测数据集：皮卡丘 01-07单发多框检测：SSD 01-08卷积神经网络系列：R-CNN 01-09语意分割和数据集 01-10全卷积网络 01-11样式迁移 |
| 08章计算机视觉案例：Kaggle图像识别 | 01-01案例1:图像分类 01-02案例2:狗的品种 01-03step1:获取和整理数据集 01-04step2:图像增广 01-05step3:读取数据集 01-06step4:定义模型 01-07step5:定义训练函数 01-08step6:训练模型 |
| 09章AI应用方向之NLP自然语言处理 | 01-01词嵌入和连续词袋模型 01-02近似训练：负采样、层序softmax 01-03word2vec的实现 01-04子词潜入：fastText 01-05全局向量的词潜入：GloVe 01-06求近义词和类比词 01-07文本情感分类：使用循环神经网络 01-08文本情感分类：使用卷积神经网络（textCNN） 01-09编码器、解码器 01-10贪婪搜索、全局搜索、束搜索 01-11注意力机制 |
| 10章NLP自然语言处理案例 | 01-01案例1:机器人翻译 01-02step1:读取和与处理数据集 01-03step2:含注意力机制的编码器-解码器 01-04step3:训练模型 01-05step4:预测不定长的序列 01-06step5:评价翻译结果 01-07唐诗生成器 01-08step1:定义输入数据 01-09step2:定义多层LESTM模型 01-10step3:定义损失函数 01-11step4:训练模型生成文字 01-12step5:更多参数说明 01-13step6:运行自己的数据" |
IBM大学战略合作伙伴
电子工业出版社 优秀合作者
教育管理信息化专业委员会理事单位
2018年度职业教育人才培训品牌机构
2018年度大数据影响力先锋企业
2018入选教育部产学合作协同育人项目
网易云课堂2017年度最佳服务奖
2017年度中国互联网+ 最佳培训机构奖
中国大数据产业生态联盟理事单位
