天鷹智能交通
本項目利用深度學習技術，跟蹤路面實時車輛通行狀況，并逐幀記錄不同行車道車流量數目。車輛自動計數系統由計數系統、圖像抓拍系統、實時監控錄像系統組成，可在視頻看出每個車輛的連續幀路徑。
項目架構
1、Siamese系列模型
2、yoloV3目標檢測
3、SORT/DeepSORT算法
4、卡爾曼濾波目標位置優化
5、匈牙利算法目標匹配
6、相機校正方法
人工智能時代
理工科
相關專業
預轉型
開發人員
研發管理
技術拓展
人工智能
愛好者
人工智能開發
制定AI培訓課程
培養AI專精型人才
覆蓋AI職業技能
助力學員高起點就業
課程設置科學合理
適合AI技術初學者
多領域多行業項目
打造AI核心競爭力
技術大牛傾力研發
專職沉淀AI新技術
聚力名企共建課程
整合優質技術資源
制定AI培訓課程
培養AI專精型人才
AI算法深入研究能力指算法實用性、先進性、可拓展性，讓學員掌握算法模型舉一反三的技能
AI算法業務流處理能力指通過企業實戰場景、業務流，對AI技術實戰訓練，解決實戰業務流問題
在線醫生是NLP醫療領域的重要應用。醫療對話生成模型、基于bert的對話連貫性判斷、用戶意圖識別模型提升學員AI算法的深入研究能力；分布式模型部署、微信客戶端部署、原始醫療數據處理流水線處理訓練學員的AI業務流的處理能力。
覆蓋AI職業技能
助力學員高起點就業
科學計算庫，特征工程，十大經典算法，主流應用領域，推薦系統，主流框架人工智能框架TensorFlow、Pytorch。
圖像分類，目標檢測和追蹤，圖像語義分割，場景文字識別，圖像生成，人體關鍵點檢測及標簽識別，視頻分類。
分詞，命名實體識別，詞性標注、句法分析、語義理解、信息抽取、機器翻譯、文本摘要、問答系統、閱讀理解。
進化學習、分布式機器學習、強化學習、立體視覺與SLAM、點云處理、對稱權重與深度置信網絡、模型可解釋性，模型壓縮，遷移學習，終身學習，元學習。
課程設置科學合理
適合AI技術初學者
· Python基礎語法
· Python數據處理
· 函數
· 文件讀寫
· 異常處理
· 模塊和包
1、掌握Python開發環境基本配置；
2、掌握運算符、表達式、流程控制語句、數組等的使用；
3、掌握字符串的基本操作；
4、初步建立面向對象的編程思維；
5、熟悉異常捕獲的基本流程及使用方式；
6、掌握類和對象的基本使用方式。
熟練掌握人工智能Python語言，建立編程思維以及面向對象程序設計思想，使學員能夠熟練使用Python技術完成基礎程序編寫。
· 面向對象
· 網絡編程
· 多任務編程
· 高級語法
· Python編程綜合項目
· Python數據結構
1、掌握網絡編程技術，能夠實現網絡通訊；
2、知道通訊協議原理；
3、掌握開發中的多任務編程實現方式；
4、知道多進程多線程的原理。
熟練使用Python，掌握人工智能開發必備Python高級語法。
· Linux
· MySQL與SQL
· Numpy矩陣運算庫
· Pandas數據清洗
· Pandas數據整理
· Pandas數據可視化
· Pandas數據分析項目
1、掌握Linux常用命令，為數據開發后續學習打下的良好基礎；
2、掌握MySQL數據庫的使用；
3、掌握SQL語法；
4、掌握使用Python操作數據庫；
5、掌握Pandas案例；
6、知道會圖庫使用；
7、掌握Pandas數據ETL；
8、掌握Pandas數據分析項目流程。
掌握SQL及Pandas完成數據分析與可視化操作。
· 機器學習簡介
· K近鄰算法
· 線性回歸
· 邏輯回歸
· 決策樹
· 聚類算法
· 集成學習
· 機器學習進階算法
· 用戶畫像案例
· 電商運營數據建模分析案例
1、掌握機器學習算法基本原理；
2、掌握使用機器學習模型訓練的基本流程；
3、掌握Sklearn,Jieba,Gensim等常用機器學習相關開源庫的使用；
4、熟練使用機器學習相關算法進行預測分析；
5、掌握數據分析常用思維方法；
6、掌握不同業務場景下的指標體系搭建；
7、熟練使用各種數據分析工具進行數據提取與數據展示；
8、熟練運用常用數據分析模型解決業務問題。
掌握機器學習基本概念，利用多場景案例強化機器學習建模。
· 金融風控項目業務背景介紹
· 風控建模介紹
· 機器學習評分卡
· 金融風控特征工程
· 不均衡學習和異常檢測
· 推薦項目數據采集
· 推薦系統召回業務
· 推薦系統排序業務
· 基于多路召回的實時推薦
· 推薦系統平臺調度
· 推薦系統性能評估
1、掌握風控業務場景的常用指標；2、掌握評分卡的建模流程；
3、掌握評分卡特征工程的常用套路；
4、熟練運用機器學習算法解決風控業務場景下的問題；
5、掌握多行業推薦業務；6、掌握推薦業務建模流程；
7、掌握召回，排序基礎算法；8、熟練運用機器學習算法解決推薦業務問題；
9、掌握大數據計算框架基本使用。
1、掌握掌握金融風控或推薦系統項目
2、掌握運用機器學習算法解決實際業務的分類、聚類、回歸的問題
· 深度學習基礎
· BP神經網絡
· 經典神經同絡結構（CNN&RNN）
· 深度學習多框架對比
· 深度學習正則化和算法優化
· 深度學習Pytorch框架
· NLP任務和開發流程
· 文本預處理
· RNN及變體原理與實戰
· Transformer原理與實戰
· Attention機制原理與實戰
· 傳統序列模型
· 遷移學習實戰
1、pytorch工具處理神經網絡涉及的關鍵點；
2、掌握神經網絡基礎知識；
3、掌握反向傳播原理；
4、了解深度學習正則化與算法優化；
5、掌握NLP領域前沿的技術解決方案；
6、了解NLP應用場景；
7、掌握NLP相關知識的原理和實現；
8、掌握傳統序列模型的基本原理和使用；
9、掌握非序列模型解決文本問題的原理和方案；
10、能夠使用pytorch搭建神經網絡；
11、構建基本的語言翻譯系統模型；
12、構建基本的文本生成系統模型；
13、構建基本的文本分類器模型；
14、使用ID-CNN+CRF進行命名實體識別；
15、使用fasttext進行快速的文本分類；
16、勝任多數企業的NLP工程師的職位。
掌握深度學習基礎及神經網絡經典算法；掌握熱門的PyTorch技術，完成自然語言處理基礎算法，諸如RNN、LSTM、GRU等技術。
· ChatGPT入門
· ChatGPT原理詳解
· ChatGPT項目實戰
· 基于大型預訓練模型搭建聊天機器人
· 聊天機器人和問答系統
1、掌握大規模知識圖譜技術與自然語言處理在多領域的應用
2、掌握ChatGPT聊天機器人實戰
3、掌握基于大型預訓練模型搭建聊天機器人
4、熟悉端到端以及結合知識庫的多輪多任務對話系統網絡結構
能夠運用ChatGPT模型完成聊天機器人和問答系統的相關功能
· 解決方案列表
· 項目架構及數據采集
· 命名實體識別
· 對話系統
· 項目架構
· 多模型預測
· 模型的迭代優化
· 模型的上線部署與總結
· 智能文本分類
· 模型上線
1、醫療領域NER解決方案；2、對話主題相關解決方案；
3、微信端服務部署解決方案；4、對話管理系統與A結合解決方案；
5、抽取式文本摘要解決方案；6、生成式文本摘要解決方案；
7、自主訓練詞向量解決方案；8、解碼方案的優化解決方案；
9、數據增強優化解決方案；10、大規?？焖傥谋痉诸惤鉀Q方案；
11、多模型井行預測解決方案；12、分布式模型訓練解決方案；
13、多標簽知識圖譜構建解決方案。
1、掌握自然語言處理項目，完成文本摘要或傳智大腦項目
2、掌握自然語言處理項目，完成智能文本分類或知識圖譜項目
3、掌握運用NLP核心算法解決實際場景關系抽取的問題
· 機器學習核心算法加強
· 深度學習核心算法加強
· 數據結構與算法
· 多行業項目擴展
· 圖像與視覺處理介紹
· 目標分類和經典CV網絡
· 目標檢測和經典CV網絡
· 目標分割和經典CV網絡
1、機器學習與深度學習核心算法，NLP經典算法，數據結構算法、Djkstra算法，動態規劃初步，貪心算法原理，多行業人工智能案例剖析；
2、經典卷積網絡：LeNet5、AlexNet、 VGG、 Inception、GoogleNlet、殘差網絡 深度學習優化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、 YOLOV2、 YOLOV。
1、掌握數據結構與算法，核心機器學習、深度學習面試題，助力高薪就業；
2、掌握計算機視覺基礎算法，諸如CNN、殘差網絡、Yolo及SSD。
· 解決方案列表
· 項目架構及數據采集
· 人臉檢測與跟蹤
· 人臉姿態任務
· 人臉多任務
· 系統集成
1、人臉檢測與跟蹤解決方案；
2、人臉多任務解決方案；
3、人臉識別任務解決方案；
4、系統集成解決方案；。
掌握人臉支付項目或智慧交通項目或實時人臉識別項目。
多領域多行業項目
打造AI核心競爭力
本項目利用深度學習技術，跟蹤路面實時車輛通行狀況，并逐幀記錄不同行車道車流量數目。車輛自動計數系統由計數系統、圖像抓拍系統、實時監控錄像系統組成，可在視頻看出每個車輛的連續幀路徑。
1、Siamese系列模型
2、yoloV3目標檢測
3、SORT/DeepSORT算法
4、卡爾曼濾波目標位置優化
5、匈牙利算法目標匹配
6、相機校正方法
本項目可通過攝像頭實時采集視頻人臉數據，也可批量圖片輸入自動化識別人臉；本項目對視頻可實現人臉的跟蹤，并標注姓名、性別、情緒（開心、生氣、自然）等信息；能對進入視頻的陌生人報警。
1、EigenFace
2、LBPH
3、雙屬性圖
4、動態人臉定位
5、活體檢測
6、柔性模型技術
7、Gabor系數特征匹配
8、隱馬爾科夫模型的圖像分割
在線醫生項目是一個基于自然語言理解方向的問答機器人。該項目結合醫學知識圖譜、深度學習、對話管理、微信公眾號開發等技術，旨在降低首醫成本，為患者提供基本醫學診斷意見服務。
1、Neo4j圖數據庫
2、命名實體審核/識別模型訓練與預測+
3、句子主題相關模型訓練與部署
4、系統聯調與測試
5、論文復現
中文標簽化系統是NLP基礎任務的綜合系統，同時又是NLP應用的基礎設施。根據文本信息，給出對應的預定義標簽將能夠有效的支持用戶畫像，推薦系統等。同時，對于高階NLP任務，如對話，翻譯，寓意蘊含等在語料分類上將有很大的幫助。
1、標簽詞匯知識圖譜
2、特征工程
3、fasttext模型
4、多模型訓練與預測
5、AI業務流調試
6、Django后端服務搭建
推薦系統的在當下的火爆程度毋庸置疑，個性化推薦的需求也是每一個toC產品應該實現的目標。本項目推薦系統策略與圖像與視覺處理相結合，深度解決互聯網產業的推薦業務場景。
1、知識圖譜構建雙畫像
2、多召回策略
3、召回金字塔
4、基于人臉
5、場景
6、表情推薦方案
人臉支付項目是一個基于計算機視覺方向的人臉識別項目，該項目以支付系統為背景介紹人臉處理的整體流程。利用機器學習和深度學習的方法，針對攝像頭捕獲的視頻圖像，進行人臉區域檢測，人臉跟蹤，人臉姿態的檢測，通過人臉矯正，人臉比對完成人臉的識別。
1、人臉檢測的解決方案
2、人臉姿態（歐拉角）檢測
3、人臉關鍵點識別
4、人臉多任務（年齡，性別等）
5、人臉特征對比
黑馬頭條推薦系統屬于機器學習與深度學習推薦應用項目，類似今日頭條、掘金等推薦。用戶可以通過黑馬頭條APP獲取個性化推薦技術文章的效果。
1、Hadoop分布式文件存儲和計算
2、Sqoop大規模數據遷移
3、Lambda架構
4、Flume數據采集
5、Kafka消息隊列
6、Spark機器學習
7、用戶特征工程
8、TFIDF、TextRank文本特征工程
9、多路召回策略
10、Wide&Deep深度學習模型
根據用戶的歷史行為，挖掘出用戶的喜好，并為用戶推薦與其喜好相符的商品或者信息。同時讓一些有價值的信息能夠到達潛在的用戶之中。其中用戶畫像標簽系統為推薦系統提供數據支持，商品推薦的Ctr/Cvr點擊率/轉化率預估系統為推薦系統推薦結果提供排序依據。
1、推薦系統項目業務背景介紹
2、推薦系統架構
3、企業級用戶畫像
4、SparkMllib案例實戰
5、多路召回算法
6、排序算法
7、推薦系統指標評估
小智聊天機器人，使用了自然語言處理的技術，實現人機對話。實現的是一個類似智能客服的系統，實現了閑聊功能和問答功能，在App上提供了入口，能夠和機器人閑聊和編程相關的問題。
1、jieba分詞
2、skip-gram模型
3、CBOW模型
4、詞嵌入原理word_embedding
5、神經網絡RNN-LSTM-GRU
6、Seq2Seq模型完整搭建和訓練
7、astText+Attention注意力機制
金融風控項目搭建了整套金融風控知識體系，從反欺詐、信用風險策略、評分卡模型構建等熱點知識，使得學員具備中級金融風控分析師能力。
1、常見信貸風險、金融風控領域常用術語
2、信貸審批業務基本流程、ABC評分卡概念、正負樣本定義方法等
3、特征衍生、特征交叉、特征評估與篩選
4、邏輯回歸評分卡、集成學習評分卡、模型評價（KS，AUC），評分映射方法，模型報告
5、樣本不均衡的處理方法，異常點檢測的常用方法
實戰講師團隊
北京大學電子與通信工程碩士, 多年開發經驗,熟悉web后端,移動端, 大數據, 機器學習等技術, 精通java Python等常用開發語言,在多家軟件公司擔任高級工程師, 項目經理, 有新浪微博,中新網新聞發布系統等多個大型項目經驗。
畢業于山東大學，計算機碩士。具有10年項目開發、項目管理經驗，任事業部技術總監，長期項目經理。主持開發過的項目涉及銀行、政府等應用領域。多年企業內訓培訓師，講課深入淺出，深受學生和企業員工的好評。
大連理工大學計算機碩士畢業，專注于機器學習，操作系統，推薦，深度學習領域。曾就職于人工智能創業公司，百度公司，任算法高級工程師。對CV，NLP，風控，強化學習，C++，Python等領域技術有深入研究和項目經驗。為人幽默喜氣，深受學生歡迎。
人工智能方向博士,微軟AI課程導師; 曾任職于多家世界500強公司及無人機行業領先企業的研發部門;授課經驗豐富,精準把握方向, 知識體系完備;開拓的國際視野,具有亞歐大陸、南北美洲等30余個國家的訪學閱歷。
Sklearn機器學習工具源碼貢獻者；Google Tensorflow中文社區開發者；具有多年企業級AI項目開發經驗，對推薦系統，NLP，知識圖譜，問答系統有較深入研究。
畢業于哈爾濱工程大學，GIS行業工程實戰專家，在圖像分割、檢測、追蹤等方面有多年從業經歷，參與多項國家級/部委級重大項目，具備豐富的工程落地經驗。
