一、簡介
在人工智能領域發(fā)展迅速風口浪尖中，我國在這方面人才儲備與美國相比數(shù)量懸殊較大、領域內專家數(shù)量非常有限。目前人工智能進入了黃金時代，各大科技公司都在大量招募人才，甚至不惜重金“挖人”，在一些知名招聘網站上對于人工智能方面的人才已經開出了20k的薪資。在人工智能的研究進一步深入后，將會和多個學科發(fā)生關聯(lián)，從而引發(fā)更大的人才缺口。
人工智能技術是一個系統(tǒng)化工程，由python、Tensorflow、數(shù)學、框架、機器學習以及神經網絡搭建等多學科組成的一門綜合學科。它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。深度學習是人工智能的一個分支。這一輪的人工智能的革命的代表是深度學習的突破。
二、人工智能人才薪酬現(xiàn)狀
|
超過70%深度學習從業(yè)者 |
20-50K/月 上不封頂 |
|
應屆畢業(yè)生 |
9K/月 |
|
10 年以上優(yōu)質人才 |
薪酬比后端開發(fā)翻了近一番 |
|
2000 人以上大公司 |
25.2K/月 |
|
聲音認知人工智能 |
2016年的20.5K/月，2017年的27.6K/月 |
三、培訓課程
（一）Python
|
基礎語法 |
1.Python基礎介紹、python版本差異介紹與環(huán)境搭建 |
|
2.Python語法基礎與數(shù)據(jù)類型 |
|
|
3.Python序列(字符串、列表、元組)操作 |
|
|
4.Python語句、賦值、表達式、if條件語句、while語句，for語句 |
|
|
5.Python面向對象、函數(shù)、模塊、類 |
|
|
6.運算符重載、類的設計、異常 |
|
|
7.Python文件操作、JSON、XML、線程、時間和日歷 |
|
|
8.正則表達式、爬蟲、Python網絡編程 |
|
|
9.Python圖片處理框架：SciPy，Matplotlib、PIL、OpenCV2 |
|
|
10.科學計算框架：Pandas、Numpy 服務器框架：Flask |
（二）數(shù)學
|
微積分基礎 |
1.極限 |
|
2.求導（導數(shù)的幾何意義，鏈式求導法則） |
|
|
3.求最小最大值 |
|
|
4.泰勒級數(shù) |
|
|
5.積分的意義 |
|
|
線性代數(shù) |
1.什么是線性代數(shù) |
|
2.矩陣與矩陣的變換 |
|
|
3.矩陣的逆 |
|
|
4.特征值與特征函數(shù) |
|
|
5.相似變換 |
|
|
概率統(tǒng)計（一） |
1.概率基礎（經典概率、條件概率、加法規(guī)則、乘法法則） |
|
2.貝葉斯公式 |
|
|
概率統(tǒng)計（二） |
1.概率分布（高斯分布等） |
|
2.參數(shù)估計（最大似然法） |
|
|
3.信息論基礎 |
（三）框架
|
常用科學計算框架 |
1.numpy |
|
2.pandas |
|
|
3.matplotlib |
|
|
4.OpenCV（基礎部分） |
|
|
Tensorflow(一） |
1.安裝 |
|
2.圖概念 |
|
|
3.語法基礎 |
|
|
Tensorflow（二） |
1.多GPU，多機器 |
|
2.并行化 |
|
|
3.其他開源機器學習框架 |
（四）、深度學習
|
機器學習基礎（一） |
1.什么是機器學習 |
|
2.線性回歸與邏輯斯蒂回歸 |
|
|
3.最小二乘法 |
|
|
4.梯度下降法 |
|
|
5.樣本相關知識 |
|
|
6.效果衡量指標 |
|
|
深度學習基礎（二） |
1.感知機 |
|
2.MLP網絡和BP算法 |
|
|
3.深度學習基礎 |
|
|
4.稀疏自編碼 |
|
|
5.實戰(zhàn)：a. 圖像壓縮、b.MINST數(shù)字分類 |
|
|
卷積神經網絡（一） |
1.基本運算（卷積、池化、RELU等） |
|
2.卷積神經網絡結構 |
|
|
3.深度剖析CNN網絡優(yōu)于MLP網絡的原因 |
|
|
4.實戰(zhàn)：a. 圖像分類 |
|
|
卷積神經網絡（二） |
1.常見的CNN網絡（AlexNet、Vgg、Resnet、Interception等） |
|
2.遷移學習 |
|
|
3.實戰(zhàn) |
|
|
循環(huán)神經網絡（一） |
1.RNN網絡 |
|
2.LSTM和GRU網絡 |
|
|
3.雙向循環(huán)神經網絡 |
|
|
4.實戰(zhàn) |
|
|
循環(huán)神經網絡（二） |
1.Seq2Seq |
|
2.注意力模型 |
|
|
3.詞嵌入模型 |
|
|
4.實戰(zhàn) |
|
|
生成式對抗神經網絡（一） |
1.對抗學習基礎 |
|
2.DCGAN |
|
|
3.WGAN |
|
|
4.條件GAN |
|
|
5.InfoGAN |
|
|
6.實戰(zhàn) |
|
|
深度強化學習（一） |
1.強化學習基礎 |
|
2.深度強化學習 |
|
|
3.實戰(zhàn) |
|
|
深度強化學習（二） |
1.A3C算法 |
|
2.AlphaGo算法分析 |
|
|
3.實戰(zhàn) |
四、培訓方式及地點費用
（一）培訓形式：公開課；
（二）培訓時間：周末/工作日；
（三）培訓方式及地點：重慶市/成都市；
（四）學習時長：理論2個月+實踐1-2個月；
（五）費用：26800/人。
五、報名咨詢
400 850 7318
