機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)圖像處理和知識(shí)圖譜 應(yīng)用與核心技術(shù)實(shí)戰(zhàn)北京/上海培訓(xùn)班
時(shí)間：2023-08-26 09:00 至 2023-11-30 18:00
地點(diǎn)：上海
- 參會(huì)報(bào)名
- 會(huì)議介紹
- 會(huì)議日程
- 會(huì)議嘉賓
- 參會(huì)指南
-
手機(jī)下單
首頁 > 培訓(xùn)課程 > IT/技術(shù)培訓(xùn) > 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)圖像處理和知識(shí)圖譜 應(yīng)用與核心技術(shù)實(shí)戰(zhàn)北京/上海培訓(xùn)班 更新時(shí)間：2023-03-21T15:33:09
|
機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)圖像處理和知識(shí)圖譜 應(yīng)用與核心技術(shù)實(shí)戰(zhàn)北京/上海培訓(xùn)班 已截止報(bào)名課程時(shí)間： 2023-08-26 09:00至 2023-11-30 18:00結(jié)束 課程地點(diǎn)： 上海 詳細(xì)地址會(huì)前通知 周邊酒店預(yù)訂 主辦單位： 北京中培偉業(yè)管理咨詢有限公司 |
收藏3人
換一換
會(huì)議介紹
會(huì)議內(nèi)容 主辦方介紹
機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)圖像處理和知識(shí)圖譜 應(yīng)用與核心技術(shù)實(shí)戰(zhàn)北京/上海培訓(xùn)班宣傳圖
機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)圖像處理和知識(shí)圖譜
應(yīng)用與核心技術(shù)實(shí)戰(zhàn)
培訓(xùn)班
地點(diǎn) | 北京 | 上海 |
時(shí)間 | 8月 26-29 | 11月 27-30 |
培訓(xùn) 方式 | 現(xiàn)場面授/線上遠(yuǎn)程授課/視頻回放、輔導(dǎo)答疑/定期的線上輔導(dǎo)答疑、專屬互動(dòng)群 （報(bào)名10人以上可預(yù)定線下培訓(xùn)地點(diǎn)，滿足開班要求即可安排） | |
- 培訓(xùn)收益
課程中通過細(xì)致講解，使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括：
- 回歸算法理論與實(shí)戰(zhàn)
- 決策樹算法理論與實(shí)戰(zhàn)
- 集成學(xué)習(xí)算法理論與實(shí)戰(zhàn)
- 聚類算法理論與實(shí)戰(zhàn)
- 神經(jīng)網(wǎng)絡(luò)算法
- Tensorflow DNN CNN構(gòu)建
- 基于OpenCV計(jì)算機(jī)視覺識(shí)別
- YOLO目標(biāo)識(shí)別框架
- 從0到1完成知識(shí)圖譜構(gòu)建
- 通過展示教師的實(shí)際科研成果，講述人工智能與知識(shí)圖譜的技術(shù)原理與應(yīng)用系統(tǒng)開發(fā)方法、知識(shí)圖譜系統(tǒng)開發(fā)工具使用方法。使學(xué)員掌握知識(shí)圖譜基礎(chǔ)與專門知識(shí)，獲得較強(qiáng)的知識(shí)圖譜應(yīng)用系統(tǒng)的分析、設(shè)計(jì)、實(shí)現(xiàn)能力。
- 培訓(xùn)特色
本次培訓(xùn)從實(shí)戰(zhàn)的角度對深度學(xué)習(xí)技術(shù)進(jìn)行了全面的剖析，并結(jié)合實(shí)際案例分析和探討深度學(xué)習(xí)的應(yīng)用場景，給深度學(xué)習(xí)相關(guān)從業(yè)人員以指導(dǎo)和啟迪。
查看更多
北京中培偉業(yè)管理咨詢有限公司
北京中培偉業(yè)管理咨詢有限公司（以下簡稱“中培”）成立于2006年，其主營業(yè)務(wù)面向大中型企業(yè)的IT規(guī)劃咨詢業(yè)務(wù)和面向高端IT人才的培訓(xùn)類業(yè)務(wù)，其中咨詢業(yè)務(wù)涉及大型集團(tuán)化企業(yè)的IT戰(zhàn)略規(guī)劃、IT架構(gòu)規(guī)劃、IT綜合管控等領(lǐng)域，培訓(xùn)業(yè)務(wù)涉及線上線下各種高級(jí)IT技術(shù)和管理類課程體系。借助于其優(yōu)質(zhì)的專家資源池和互聯(lián)網(wǎng)平臺(tái)，中培已經(jīng)為眾多的世界500強(qiáng)企業(yè)、國有大中型集團(tuán)化企業(yè)、國際知名互聯(lián)網(wǎng)企業(yè)提供過高質(zhì)量的信息化戰(zhàn)略規(guī)劃、組織架構(gòu)規(guī)劃、科技人才管理、信息技術(shù)架構(gòu)規(guī)劃、信息系統(tǒng)開發(fā)和運(yùn)維管理、信息化能力評測的相關(guān)培訓(xùn)與咨詢服務(wù)。
會(huì)議日程
（最終日程以會(huì)議現(xiàn)場為準(zhǔn)）
- 日程安排
|
培訓(xùn)模塊 |
培訓(xùn)內(nèi)容 |
|
機(jī)器學(xué)習(xí)與線性回歸算法 |
線性回歸實(shí)現(xiàn)銷售數(shù)據(jù)預(yù)測
|
|
? ? ? ? ? 邏輯回歸與決策樹實(shí)戰(zhàn) |
邏輯回歸之信用卡反欺詐預(yù)測
|
|
決策樹、集成學(xué)習(xí)識(shí)別銀行高風(fēng)險(xiǎn)貸款
|
|
|
Tensorflow2.3 神經(jīng)網(wǎng)絡(luò) |
深度學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)實(shí)踐
|
|
深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò) |
CIFAR圖形圖像識(shí)別項(xiàng)目
采用CNN完成CIFAR物體分類
|
|
Keras 神經(jīng)網(wǎng)絡(luò)框架 |
Keras理論介紹最佳實(shí)戰(zhàn)
|
|
Open CV計(jì)算機(jī)視覺技術(shù) |
OpenCV的人臉識(shí)別
|
|
? ? YOYO目標(biāo)識(shí)別框架技術(shù) |
YOYO目標(biāo)識(shí)別框架介紹
|
|
圖數(shù)據(jù)庫與構(gòu)建知識(shí)圖譜 |
知識(shí)表示與建模
|
|
知識(shí)存儲(chǔ)與問答機(jī)器人構(gòu)建
|
|
|
知識(shí)圖譜概述 |
1.知識(shí)圖譜（KG）概念 2.知識(shí)圖譜的起源與發(fā)展 3.典型知識(shí)圖譜項(xiàng)目簡介 4.知識(shí)圖譜技術(shù)概述 5.知識(shí)圖譜典型應(yīng)用 |
|
知識(shí)表示 |
1.基于符號(hào)主義的知識(shí)表示概述 1.1 謂詞邏輯表示法 1.2 產(chǎn)生式系統(tǒng)表示法 1.3 語義網(wǎng)絡(luò)表示法 2 知識(shí)圖譜的知識(shí)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(shí)建模實(shí)戰(zhàn) Protege |
|
知識(shí)圖譜核心基礎(chǔ)技術(shù)（一） 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) |
1.經(jīng)網(wǎng)絡(luò)基本原理 2.神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例 3.深度學(xué)習(xí)概述 4.主流深度學(xué)習(xí)框架 4.1 TesorFlow 4.2 Caffe 5.卷積神經(jīng)網(wǎng)絡(luò)（CNN） 5.1 CNN簡介 5.2 CNN關(guān)鍵技術(shù):局部感知、卷積、池化、CNN訓(xùn)練 5.3 典型卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 5.4 深度殘差網(wǎng)絡(luò) 5.5 案例：利用CNN進(jìn)行手寫數(shù)字識(shí)別 |
|
知識(shí)圖譜核心基礎(chǔ)技術(shù)（二） 基于深度學(xué)習(xí)的自然語言處理 |
1.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）概述 2.基本RNN 3.長短時(shí)記憶模型(LSTM) 4.門控循環(huán)單元（GRU） 5.知識(shí)圖譜向量表示方法 5.1 向量表示法 5.2 知識(shí)圖譜嵌入 |
|
知識(shí)抽取與融合 |
1.知識(shí)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(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取 2.1 Direct Mapping 2.2 R2RML 3.面向半結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取 3.1 基于正則表達(dá)式的方法 3.2 基于包裝器的方法 4.面向非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取 4.1 實(shí)體抽取 4.3 事件抽取 5.1知識(shí)挖掘流程 5.2 知識(shí)挖掘主要方法 6 知識(shí)融合 6.1 本體匹配 |
|
存儲(chǔ)與檢索 |
1.知識(shí)存儲(chǔ)與檢索基礎(chǔ)知識(shí) 2.知識(shí)圖譜的存儲(chǔ)方法 2.1基于關(guān)系數(shù)據(jù)庫的存儲(chǔ) 2.3 原生圖數(shù)據(jù)庫Neo4j存儲(chǔ) 3.圖譜構(gòu)建實(shí)踐 NEO4J |
|
知識(shí)圖譜案例 |
基于Neo4j人物關(guān)系知識(shí)圖譜存儲(chǔ)與檢索 |
?
查看更多
會(huì)議嘉賓
（最終出席嘉賓以會(huì)議現(xiàn)場為準(zhǔn)）
- 授課專家
劉老師 西安郵電學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)本科專業(yè)，擁有著十幾年軟件研發(fā)經(jīng)驗(yàn)，7年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級(jí)開發(fā)技術(shù)。Java方向：設(shè)計(jì)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(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識(shí)別技術(shù)。區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。
覃老師 上海大學(xué)物理學(xué)碩士，創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年一線開發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過多項(xiàng)圖像，語音，nlp，搜索相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)國家專利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通俗易懂，代碼風(fēng)格簡潔清晰。
王老師 計(jì)算機(jī)博士，深入理解傳統(tǒng)的計(jì)算機(jī)視覺方法與目前主流的深度學(xué)習(xí)算法，在圖像識(shí)別、目標(biāo)檢測、圖像分割、OCR、人臉識(shí)別等方向均進(jìn)行了豐富的項(xiàng)目實(shí)戰(zhàn)。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數(shù)據(jù)挖掘經(jīng)驗(yàn)，熟悉大數(shù)據(jù)下的ETL與模型搭建，曾獨(dú)立負(fù)責(zé)美團(tuán)用戶信用分評估、敏感身份挖掘、京東金融APP多個(gè)模塊推薦算法搭建等項(xiàng)目。
查看更多
參會(huì)指南
會(huì)議門票
- 培訓(xùn)費(fèi)用
培訓(xùn)費(fèi)：8800元/人（含培訓(xùn)費(fèi)、平臺(tái)費(fèi)、資料費(fèi)以及直播視頻回放一年等費(fèi)用）。
本課程由中國信息化培訓(xùn)中心頒發(fā)《人工智能高級(jí)工程師》證書 證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級(jí)和晉升職務(wù)的重要依據(jù)。
查看更多
溫馨提示
酒店與住宿:
為防止極端情況下活動(dòng)延期或取消，建議“異地客戶”與活動(dòng)家客服確認(rèn)參會(huì)信息后，再安排出行與住宿。
退款規(guī)則:
活動(dòng)各項(xiàng)資源需提前采購，購票后不支持退款，可以換人參加。
您可能還會(huì)關(guān)注
猜你喜歡
部分參會(huì)單位
微信掃一掃
分享給朋友
郵件提醒通知
贊助
