各企事业单位、高等院校及科研院所：Python 是一种面向对象的，动态的程序设计语言，具有非常简洁而清晰的语法，既可以用于快速开发程序，也可以用于开发大规模软件，特别适合完成高层任务。随着 NumPy、SciPy 等众多程序库的开发，Python 越来越适合于做科学计算。为进一步推动大数据、人工智能技术的发展与进步，帮助更多企事业单位、高校培养大数据与人工智能专业人才，
北京盛世元鸿职业技能教培中心（www.shengshiyuanhong.com.cn）特邀人工智能学术和机器学习研发领域一线专家共同举办此次“Python机器学习与深度学习（AI）课”将于2023年4月 线上/线下进行教学交流！欢迎人工智能、机器学习、图像识别、语音识别、目标检测、自然语言处理、大数据挖掘、类脑智能等领域的老师、研究生、本科生、工程师及有志于python、机器学习、深度学习研究的从业者参加。具体事宜如下：
二、时间：2023年4月1日—4月3日
线上：腾讯会议/线下：北京高校
三、课程优势：
①报名一次后期可免费参加同一课程
②建立微群，可随时咨询培训老师问题
③免费提供后期技术指导工作
④早鸟报名优惠，组团报名优惠
⑤可根据学员想学习的内容讲解
⑥录制视频，一机一码可永久观看
⑦提供 PPT 课件案例资料及软件安装包
四、培训目标
1：掌握机器学习的思维方式和关键技术及算法；
2：掌握人工智能程序编程，包括Python基础使用，科学计算包numpy使用、绘图工具包使用；
3：了解机器学习和深度学习在当前工业界的落地应用；
4：掌握Tensorflow框架在卷积神经网络、长短时记忆网络、循环神经网络等应用技巧与细节分析；
5：能够根据数据分布选择合适的算法模型并书写代码，能开发出一些实际的应用项目并运用 Python进行机器学习与深度学习的研究工作。
五、主讲专家： AI创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。曾使用Tensorflow，Caffe，Keras等深度学习框架完成过多项图像，语音，nlp，搜索相关的人工智能实际项目，研发经验丰富。拥有两项国家专利。同时具有多年授课经验，讲课通熟易懂，代码风格简洁清晰。长期从事深度学习、人工智能、机器学习、计算机视觉等领域的教学与研究工作。
六、参会对象：全国各省市从事人工智能、机器学习、图像识别、语音识别、目标检测、自然语言处理、大数据挖掘、类脑智能等相关企事业单位的科研技术人员，各省市大学相关专业的老师、研究生、本科生、工程师及有关于Python、机器学习、深度学习研究的从业者！
培 训 大 纲
第一天 第二天 | 一、常见人工智能应用案例分析 | 1.基于摄像头的保安巡更系统 2.云种类识别 3.用户评论情感分类 4.甲状腺CT图像分类 5.工业缺陷检测 6.汽车部件安装检测 |
二、python环境介绍 | 1.Anaconda安装 2.jupyter配置 3.jupyter基本使用 | |
三、python基础学习 | 1.print使用 2.运算符和变量 3.循环 4.列表元组字典 5.if条件 6.函数 7.模块 8.类的使用 9.input用法 10.文件读写 11.异常处理 | |
四、科学计算包numpy使用学习 | 1.numpy的属性 2.创建array 3.numpy的运算 4:随机数生成以及矩阵的运算 5.numpy的索引 6.array合并 | |
五 、绘图工具包matplotlib学习 | 1.基础用法 2.figure图像 3.设置坐标轴 4.legend图例 5.scatter散点图 | |
六、人工智能与机器学习基础 | 1.人工智能概述 2.机器学习概述 3.训练集验证集测试集 4.监督学习无监督学习 5.分类回归聚类 6.机器学习算法应用分析 | |
七、机器学习算法介绍 | 1.回归算法介绍 2.KNN算法介绍 3.决策树算法介绍 4.支持向量机算法介绍 5.K-means算法介绍 | |
八、用户违约预测特征工程案例 | 1.缺失值填 2.唯一值处理 3.特征筛选 4.多值有序特征和多值无序特征处理 5.数字类型特征处理 6.数据标准化处理 7.使用PCA降维和不使用PCA降维对比 8.模型训练 9.模型评估 | |
九、深度学习基础-神经网络介绍 | 1.人工神经网络发展史 2.单层感知器 3.激活函数，损失函数和梯度下降法 4.BP算法介绍 5.梯度消失问题 6.多种激活函数介绍 案例：BP算法解决手写数字识别问题 | |
十、Tensorflow基础应用 | 1.Tensorflow线性回归 2.Tensorflow非线性回归 3.Mnist数据集合Softmax讲解 4.使用BP神经网络搭建手写数字识别 5.交叉熵(cross-entropy)讲解和使用 6.过拟合,正则化,Dropout 7.各种优化器Optimizer 8.模型保存和模型载入方法 | |
十一、卷积神经网络CNN应用 | 1.CNN卷积神经网络 2.卷积的局部感受野，权值共享介绍。 3.卷积的具体计算方式 4.池化层介绍（均值池化、最大池化） 5.same padding和valid padding介绍 6.LeNET-5卷积网络介绍 7..CNN手写数字识别案例 | |
十二、长短时记忆网络LSTM应用 | 1.RNN循环神经网络介绍 2.RNN具体计算分析 3.长短时记忆网络LSTM介绍 4.输入门，遗忘门，输出门具体计算分析 5.堆叠LSTM介绍 6.双向LSTM介绍 7.LSTM应用案例 | |
十三、常用图像识别模型介绍 | 1.AlexNet 2.VGG16 3.Inceptionv1-v4 4.ResNet 5.Inception-ResNet 6. EfficientNet-v1-v2 | |
十四、使用训练好的EfficientNet 进行多种图片预测 | 1.下载训练好的1000分类图像识别模型 2.使用训练好的图像识别模型进行图像分类 | |
十五、迁移学习-用EfficientNet训练自己的天气现象分类模型 | 1.数据准备 2.数据增强 3.模型搭建 4.模型训练 结果测试 | |
第三天 | 十六、Transformer架构介绍 | 1.Transformer模型介绍 2.self-Attention 3.Multi-Head Attention |
十七、Bert模型 | 1.Bert模型介绍 2.MLM和NSP模型任务 案例：使用Bert模型进行用户评论分类 | |
十八、Faster-RCNN系列模型讲解 | 1.目标检测项目简介 2.R-CNN模型详解 3.SPPNET模型详解 4.Fast-RCNN模型详解 5.Faster-RCNN模型详解 6.Tensorflow实现Faster-RCNN目标检测 | |
十九、YOLO算法介绍与应用 | 1.YOLOv1结构及工作流程 2.YOLOv1代价函数讲解以及缺点分析 3.YOLOv2网络结构Darknet-19讲解 4.YOLOv2精度优化-高分辨率和anchor 5.YOLOv2精度优化-维度聚类 6.YOLOv2精度优化-直接位置预测 7.YOLOv2精度优化-细粒度特征和多尺度训练 8.YOLOv3结构讲解 9.YOLOv4算法讲解 10.YOLOv5算法讲解 | |
二十、YOLOv8目标检测算法解读和项目实战：工地安全帽检测 | 1.目标检测标注工具labelImg使用 2.数据处理项目准备流程 3.训练自己的目标检测模型 | |
二十一、OCR模型介绍 | 1.OCR算法介绍 2.使用OCR算法对身份证照片进行识别 3.使用OCR算法对旋转后的照片进行识别 4.使用OCR算法对核酸检测截图进行识别并采集相关信息保存到文件中。 | |
二十二、ChatGPT介绍 | 1.ChatGPT模型训练方法介绍 2、ChatGPT应用的优势和劣势分析 | |
二十三、辅助课程支持 | 1、学后交流、微信群建立等 2、学员可填写自己想学习的内容，安排答疑讲解 3、配备电子讲义和模型，可拷贝案例资料等 |
七、参课费用：统一收费：3900元/人（含培训费、中管院证书费、资料费、指导费、发票费）中管院颁发《人工智能工程师》证书 注：该证书可作为有关单位专业技术人员能力评价、以及求职应聘和从业人员加薪、晋升、考核等任职的重要依据。申报资料：请准备两寸蓝底照片、身份证及学历证明（学生证、毕业证、学位证都可）电子版即可。费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；如需开具会议费的学员请联系会务老师要会议通知；
八、课程优惠 （两项优惠不可同时享有）
①: 3月24日前报名可优惠300/人
②: 3人及以上可优惠400/人
③: 5人及以上团报可另赠送一位免费名额
④: 参加线上课程，后期本人可免费参加相同内容课程。
九、报名方式
会务联系：刘老师 手机：18311050656（微信同步）