课程简介
人工智能现状和前沿趋势
目标收益
培训对象
课程大纲
| 1.人工智能简史 |
1. 图灵机、图灵测试、达特茅斯会议 2. 人工智能三大学派（符号、行为、连接）、贝叶斯学派、通用人工智能、深度学习、强化学习等最新进展 |
| 2.机器学习概论 |
1. 机器学习的基本分类：有监督学习、无监督学习、强化学习、迁移学习等 2. 机器学习基本模型 3. 机器学习的简单应用（例如邮件过滤、对客户的信用进行评级） 4. 机器学习的复杂应用（例如主题模型、Alphago) |
| 3.从神经网络到深度学习 |
1. 什么是深度学习 2. 深度学习的特点是什么？（为什么能获得如此大的成功？它的局限有哪些） 3. 深度学习被应用的领域包括哪些？ 4. 深度学习未来的发展方向是什么？ 5. 深度学习模型种类（CNN，RNN，神经图灵机、注意力模型等等）。 |
| 4.基于数据的决策 |
1. 数据评估公司与产业案例：原油储备与期货市场； 2. 数据评估自然科学基金分配案例：组织规模与创新程度； 3. 数据智能下的公共服务：犯罪，疾病与警力和医疗资源的投送； 4. 全球知识链：数据时代的国家博弈：数据、机器、人才的全球再分配 |
| 5.无处不在的计算机视觉 |
1. Opencv 2. 空域图像处理 3. 机器视觉中的特征提取与描述 4. 坐标变换与视觉测量 5. 深度学习在图像识别中的应用 6. 图像标注与问答 7. 3D计算机视觉 |
| 6.自然语言处理 |
1. 自然语言处理问题的范围 2. 自然语言处理的基本模型和原理 3. 目前自然语言处理的局限 |
| 7.机器人 |
1. 机器人的主要分类及市场分析； 2. 机器人的技术现状及挑战； 3. 机器人若干热点领域分析； 4. 国际、国内机器人行业的现状与未来。 5. 基于物联网的机器人 |
| 8.人工智能的未来 |
1. 人工智能对人类主要行业的影响与冲击； 2. 人工智能改变社会的几个阶段； 3. 奇点临近带来的机遇与挑战； 4. 人工智能发展带来的伦理问题； 5. 人工智能给法律的挑战。 |
|
1.人工智能简史 1. 图灵机、图灵测试、达特茅斯会议 2. 人工智能三大学派（符号、行为、连接）、贝叶斯学派、通用人工智能、深度学习、强化学习等最新进展 |
|
2.机器学习概论 1. 机器学习的基本分类：有监督学习、无监督学习、强化学习、迁移学习等 2. 机器学习基本模型 3. 机器学习的简单应用（例如邮件过滤、对客户的信用进行评级） 4. 机器学习的复杂应用（例如主题模型、Alphago) |
|
3.从神经网络到深度学习 1. 什么是深度学习 2. 深度学习的特点是什么？（为什么能获得如此大的成功？它的局限有哪些） 3. 深度学习被应用的领域包括哪些？ 4. 深度学习未来的发展方向是什么？ 5. 深度学习模型种类（CNN，RNN，神经图灵机、注意力模型等等）。 |
|
4.基于数据的决策 1. 数据评估公司与产业案例：原油储备与期货市场； 2. 数据评估自然科学基金分配案例：组织规模与创新程度； 3. 数据智能下的公共服务：犯罪，疾病与警力和医疗资源的投送； 4. 全球知识链：数据时代的国家博弈：数据、机器、人才的全球再分配 |
|
5.无处不在的计算机视觉 1. Opencv 2. 空域图像处理 3. 机器视觉中的特征提取与描述 4. 坐标变换与视觉测量 5. 深度学习在图像识别中的应用 6. 图像标注与问答 7. 3D计算机视觉 |
|
6.自然语言处理 1. 自然语言处理问题的范围 2. 自然语言处理的基本模型和原理 3. 目前自然语言处理的局限 |
|
7.机器人 1. 机器人的主要分类及市场分析； 2. 机器人的技术现状及挑战； 3. 机器人若干热点领域分析； 4. 国际、国内机器人行业的现状与未来。 5. 基于物联网的机器人 |
|
8.人工智能的未来 1. 人工智能对人类主要行业的影响与冲击； 2. 人工智能改变社会的几个阶段； 3. 奇点临近带来的机遇与挑战； 4. 人工智能发展带来的伦理问题； 5. 人工智能给法律的挑战。 |
近期公开课推荐
