• <blockquote id="6qqs4"><menu id="6qqs4"></menu></blockquote>
    88 優惠券
    2020年3月1日到期。滿 200 元可用
    立即使用
    立即使用
    • 參會報名
    • 會議介紹
    • 會議日程
    • 會議嘉賓
    • 參會指南
    • 手機下單 手機掃碼下單

    首頁 > 培訓課程 > IT/技術培訓 > 機器學習、深度學習、計算機圖像處理和知識圖譜 應用與核心技術實戰北京/上海培訓班 更新時間:2023-03-21T15:33:09

    機器學習、深度學習、計算機圖像處理和知識圖譜 應用與核心技術實戰北京/上海培訓班
    收藏3人
    分享到

    機器學習、深度學習、計算機圖像處理和知識圖譜 應用與核心技術實戰北京/上海培訓班 已截止報名

    課程時間: 2023-08-26 09:00至 2023-11-30 18:00結束

    課程地點: 上海  詳細地址會前通知   周邊酒店預訂

    主辦單位: 北京中培偉業管理咨詢有限公司

    行業熱銷熱門關注看了又看 換一換

          會議介紹

          會議內容 主辦方介紹


          機器學習、深度學習、計算機圖像處理和知識圖譜 應用與核心技術實戰北京/上海培訓班

          機器學習、深度學習、計算機圖像處理和知識圖譜 應用與核心技術實戰北京/上海培訓班宣傳圖

          機器學習、深度學習、計算機圖像處理和知識圖譜

          應用與核心技術實戰

          培訓班

          地點

          北京

          上海

          時間

          8月

          26-29

          11月

          27-30

          培訓

          方式

          現場面授/線上遠程授課/視頻回放、輔導答疑/定期的線上輔導答疑、專屬互動群

          報名10人以上可預定線下培訓地點,滿足開班要求即可安排


          • 培訓收益

          課程中通過細致講解,使學員掌握該技術的本質。具體收益包括:

              1. 回歸算法理論與實戰
              2. 決策樹算法理論與實戰
              3. 集成學習算法理論與實戰
              4. 聚類算法理論與實戰
              5. 神經網絡算法
              6. Tensorflow DNN CNN構建
              7. 基于OpenCV計算機視覺識別
              8. YOLO目標識別框架
              9. 從0到1完成知識圖譜構建
              10. 通過展示教師的實際科研成果,講述人工智能與知識圖譜的技術原理與應用系統開發方法、知識圖譜系統開發工具使用方法。使學員掌握知識圖譜基礎與專門知識,獲得較強的知識圖譜應用系統的分析、設計、實現能力。
          • 培訓特色

          本次培訓從實戰的角度對深度學習技術進行了全面的剖析,并結合實際案例分析和探討深度學習的應用場景,給深度學習相關從業人員以指導和啟迪。

          查看更多

          北京中培偉業管理咨詢有限公司 北京中培偉業管理咨詢有限公司

          北京中培偉業管理咨詢有限公司(以下簡稱“中培”)成立于2006年,其主營業務面向大中型企業的IT規劃咨詢業務和面向高端IT人才的培訓類業務,其中咨詢業務涉及大型集團化企業的IT戰略規劃、IT架構規劃、IT綜合管控等領域,培訓業務涉及線上線下各種高級IT技術和管理類課程體系。借助于其優質的專家資源池和互聯網平臺,中培已經為眾多的世界500強企業、國有大中型集團化企業、國際知名互聯網企業提供過高質量的信息化戰略規劃、組織架構規劃、科技人才管理、信息技術架構規劃、信息系統開發和運維管理、信息化能力評測的相關培訓與咨詢服務。

          會議日程 (最終日程以會議現場為準)


          • 日程安排

          培訓模塊

          培訓內容

          機器學習與線性回歸算法

          線性回歸實現銷售數據預測

          1. 線性回歸介紹與公式推導
          2. 多變量線性歸回歸與梯度下降
          3. 預測銷量與廣告投放相關性預測
          4. 數據升維與PCA降維
          5. 數據歸一化與模型優化
          6. 欠擬合與過擬合
          7. 訓練結果的可視化
          8. 保存模型與再加載

          ?

          ?

          ?

          ?

          ?

          邏輯回歸與決策樹實戰

          邏輯回歸之信用卡反欺詐預測

          1. 項目背景與需求分析
          2. 特征工程之標準化
          3. 基本預處理操作
          4. 上采樣與下采樣
          5. 混淆矩陣可視化函數
          6. 模型的訓練與準確率,精確率,召回率

          決策樹、集成學習識別銀行高風險貸款

          1. 信息增益與算法原理介紹
          2. 數據分析、特征工程
          3. 模型訓練與優化參數
          4. 隨機森林、正向激勵算法
          5. 采用決策樹識別高風險貸款

          Tensorflow2.3 神經網絡

          深度學習與深度神經網絡實踐

          1. Tensorflow安裝
          2. Tensorlfow基礎知識
          3. Tensorflow線性回歸
          4. Tensorflow非線性回歸
          5. Mnist數據集合Softmax講解
          6. 使用BP神經網絡搭建手寫數字識別
          7. 交叉熵(cross-entropy)講解和使用
          8. 過擬合,正則化,Dropout
          9. 各種優化器Optimizer
          10. 改進手寫數字識別網絡
          11. 模型保存與載入

          深度學習之卷積神經網絡

          CIFAR圖形圖像識別項目

          1. CIFAR項目需求介紹
          2. 分析愛data_batch數據集
          3. CNN卷積神經網絡介紹
          4. 卷積、深度、池化、步長、激活函數

          采用CNN完成CIFAR物體分類

          1. 人臉識別數據集與算法介紹
          2. 模型結構設計
          3. 人臉損失函數設計
          4. 模型與參數調優

          Keras 神經網絡框架

          Keras理論介紹最佳實戰

          1. Keras神經網絡框架介紹
          2. 基于Keras情感類分析
          3. 動物分類器實現
          4. 采用Keras實現非線性回歸
          5. 生成式對抗神經網絡原理及應用
          6. 模塊結構分析與優化策略
          7. 采用Keras重構TensorFlow項目

          Open CV計算機視覺技術

          OpenCV的人臉識別

          1. OpenVINO框架介紹與安裝測試
          2. OpenCV DNN中使用IE模塊加速
          3. 轉化工具與IE模塊加速
          4. 準備人臉數據
          5. CV掃描圖像、平滑、擴張實現
          6. DNN神經網絡識別人臉
          7. 測試與調優操作
          8. 基于Open CV DNN 構建車輛與車牌檢查模型

          ?

          ?

          YOYO目標識別框架技術

          YOYO目標識別框架介紹

          1. 標檢測任務介紹
          2. RCNN/Fast-RCNN/Faster-RCNN算法介紹
          3. YOLO算法介紹
          4. 目標分割任務介紹
          5. 全卷積網絡
          6. 雙線性上采樣
          7. 特征金字塔
          8. Mask RCNN算法介紹
          9. 目標分割項目實戰

          圖數據庫與構建知識圖譜

          知識表示與建模

          1. 知識圖譜核心技術:知識推理
          2. 知識圖譜應用場景與抽取概述介紹
          3. 本體知識推理與任務分類
          4. 實體與關系、事件抽取技術
          5. 采用TxtCnn、CRF完成知識抽取
          6. 采用RNN、LSTM完成知識抽取

          知識存儲與問答機器人構建

          1. 知識存儲neo4j常用數據庫
          2. Cyhper語言介紹
          3. 采用Py操作Neo4j數據庫
          4. 基于知識圖譜問答機器人構建

          知識圖譜概述

          1.知識圖譜(KG)概念

          2.知識圖譜的起源與發展

          3.典型知識圖譜項目簡介

          4.知識圖譜技術概述

          5.知識圖譜典型應用

          知識表示

          1.基于符號主義的知識表示概述

          1.1 謂詞邏輯表示法

          1.2 產生式系統表示法

          1.3 語義網絡表示法

          2 知識圖譜的知識表示

          2.1 RDF和RDFS

          2.2 OWL和OWL2

          2.3 Json-LD與RDFa、MicroData

          2.4 SPARQL查詢語言

          3 知識建模實戰 Protege

          知識圖譜核心基礎技術(一)

          神經網絡與深度學習

          1.經網絡基本原理

          2.神經網絡應用舉例

          3.深度學習概述

          4.主流深度學習框架

          4.1 TesorFlow

          4.2 Caffe

          5.卷積神經網絡(CNN)

          5.1 CNN簡介

          5.2 CNN關鍵技術:局部感知、卷積、池化、CNN訓練

          5.3 典型卷積神經網絡結構

          5.4 深度殘差網絡

          5.5 案例:利用CNN進行手寫數字識別

          知識圖譜核心基礎技術(二)

          基于深度學習的自然語言處理

          1.循環神經網絡(RNN)概述

          2.基本RNN

          3.長短時記憶模型(LSTM)

          4.門控循環單元(GRU)

          5.知識圖譜向量表示方法

          5.1 向量表示法

          5.2 知識圖譜嵌入

          知識抽取與融合

          1.知識抽取主要方法與方式

          1.1 主要方法

          1.2 主要方式

          2 面向結構化數據的知識抽取

          2.1 Direct Mapping

          2.2 R2RML

          3.面向半結構化數據的知識抽取

          3.1 基于正則表達式的方法

          3.2 基于包裝器的方法

          4.面向非結構化數據的知識抽取

          4.1 實體抽取
          4.2 關系抽取

          4.3 事件抽取
          5
          .識挖掘

          5.1知識挖掘流程

          5.2 知識挖掘主要方法

          6 知識融合

          6.1 本體匹配
          6.2 實體對齊

          存儲與檢索

          1.知識存儲與檢索基礎知識

          2.知識圖譜的存儲方法

          2.1基于關系數據庫的存儲
          2.2 基于
          RDF數據庫的存儲

          2.3 原生圖數據庫Neo4j存儲

          3.圖譜構建實踐 NEO4J

          知識圖譜案例

          基于Neo4j人物關系知識圖譜存儲與檢索

          ?

          查看更多

          會議嘉賓 (最終出席嘉賓以會議現場為準)


          • 授課專家

          劉老師 西安郵電學院計算機科學與技術本科專業,擁有著十幾年軟件研發經驗,7年企業培訓經驗,對Java、Python、區塊鏈等技術領域有獨特的研究,精通J2EE企業級開發技術。Java方向:設計模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究。Python方向:Python OOP、Mongodb、Django、Scrapy爬蟲、基于Surprise庫數據推薦,Tensorflow人工智能框架、人臉識別技術。區塊鏈方向:BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

          覃老師 上海大學物理學碩士,創業公司合伙人,技術總監。機器學習,深度學習領域多年一線開發研究經驗,精通算法原理與編程實踐。曾使用Tensorflow,Caffe,Keras等深度學習框架完成過多項圖像,語音,nlp,搜索相關的人工智能實際項目,研發經驗豐富。擁有兩項國家專利。同時具有多年授課培訓經驗,講課通俗易懂,代碼風格簡潔清晰。

          王老師 計算機博士,深入理解傳統的計算機視覺方法與目前主流的深度學習算法,在圖像識別、目標檢測、圖像分割、OCR、人臉識別等方向均進行了豐富的項目實戰。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數據挖掘經驗,熟悉大數據下的ETL與模型搭建,曾獨立負責美團用戶信用分評估、敏感身份挖掘、京東金融APP多個模塊推薦算法搭建等項目。

          查看更多

          參會指南

          會議門票


          • 培訓費用

          培訓費:8800元/人含培訓費、平臺費、資料費以及直播視頻回放一年等費用)。

          本課程由中國信息化培訓中心頒發《人工智能高級工程師》證書 證書可作為專業技術人員職業能力考核的證明,以及專業技術人員崗位聘用、任職、定級和晉升職務的重要依據。

          查看更多

          溫馨提示
          酒店與住宿: 為防止極端情況下活動延期或取消,建議“異地客戶”與活動家客服確認參會信息后,再安排出行與住宿。
          退款規則: 活動各項資源需提前采購,購票后不支持退款,可以換人參加。

          還有若干場即將舉行的 機器學習大會

          猜你喜歡

          部分參會單位

          主辦方沒有公開參會單位
          活動家_小程序快捷下單

          微信掃一掃
          分享給朋友

          郵件提醒通知

          分享到微信 ×

          打開微信,點擊底部的“發現”,
          使用“掃一掃”即可將網頁分享至朋友圈。

          錄入信息

          請錄入信息,方便生成邀請函

          成人综合视频网_4388x17亚洲最大成人网_免费一级黄色三级片_亚洲另类制服丝袜激情制服丝袜
        • <blockquote id="6qqs4"><menu id="6qqs4"></menu></blockquote>