培训时间及地点
2021年06月17日-06月19日（16日报到）地点：上海
2021年08月05日-08月08日（05日报到）地点：昆明
培训方式
本培训班重视技术基础，强调实际应用，采用技术原理与项目实战相结合的方式进行教学。 通过展示教师的实际科研成果，讲述人工智能的技术原理与应用系统开发方法、人工智能系统开发工具使用方法。使学员掌握人工智能基础与专门知识，获得较强的人工智能应用系统的分析、设计、实现能力。
提供实际的应用案例供学员动手实验练 。实验内容包括tensorflow2.4/keras2.4环境构建、图数据库NEO4J安装与使用等。
培训对象
1、政府、企业、学校IT相关技术人员；硕士及博士研究生。
2、企业技术总监及相关管理人员；
3、人工智能系统架构师、设计与编程人员；
4、对人工智能技术感兴趣的其他人员。
会议日程
（最终日程以会议现场为准）
第一天
第一部分：人工智能基础
1.1 人工智能（AI）概述
1.２ AI研究的主要技术问题
1.３ AI的主要学派
1.４ AI十大应用案例
（１）城市公共资源辅助优化配置
（２）临床医疗影像辅助诊断
（３）英语听说考试语音评测
（４）智能供应链设计系统
（５）机器翻译
（６）智能客服机器人
（７）重点人群身份识别
（８）智能网络视频云服务
（９）人证比对实名认证
（１０）工业互联网平台
1.４ 人工智能技术基础
１.４.１ 搜索与推理技术
１.４.２ 知识表示
第二部分：基于知识的人工智能系统及应用
２.１专家系统概念
２.２专家系统结构
２.３专家系统开发工具
２.４专家系统设计与实际应用
２.４.１计算机故障诊专家系统
２.４.２基于Web与云计算平台的设备故障诊断专家系统
2.5 规则引擎与JSR94规范
2.5.1 规则引擎产生背景
2.5.2 规则引擎概念
2.5.3 规则引擎架构
2.5.4 JSR94 规范 --Java规则引擎API
2.5.5 典型规则引擎
2.5.6 规则引擎应用案例（信用卡申请）
第二天
第三部分：知识图谱
3.1 知识图谱概念
3.2 知识图谱与专家系统
3.3 开放知识图谱
3.4 知识的提取、表示、存储与检索
3.5 知识图谱在互联网金融行业的应用
3.6 实验： 基于NEO4j的知识图谱应用系统
第二天
第四部分：基于联接的人工智能系统及应用
4.1 神经网络概念
4.2 前馈神经网络算法
4.3 前馈神经网络设计方法
4.4 前馈神经网络实际应用
4.4.1 基于神经网络的煤矿突水预测系统
4.4.2 融合专家系统与神经网络的真空成型机故障诊断系统
第三天
第五部分：基于深度学习的人工智能系统及应用
5.1 机器学习概念
5.2 深度学习概念
5.3 卷积积神经网络
5.4 增强学习
5.5 迁移学习
5.6 生成对抗网络
5.7 主流深度学习框架
5.7.1 TesorFlow 2.4（安装与实例运行）
5.7.2 Keras2.4 （安装与实例运行）
5.7.3 pytorch
5.8 基于TesorFlow/keras的深度学习应用系统上机实验
（1）手写体数字识别
（2）时装识别
（3）情感识别
第六部分：基于深度学习的目标检测与人脸识别
6.1 目标检测（object detection）概念
6.2 传统的目标检测方法
6.3 基于区域建议(候选框)的目标识别算法
6.3.1 R-CNN
6.3.2 Fast R-CNN
6.3.3 Faster R-CNN
6.3.4 Feature Pyramid Networks(FPN)-特征金字塔网络
6.4 YOLO——One-Stage目标检测算法
6.5 SSD与 Retina-Net
6.6 基于ImageAI 的计算机视觉编程库
6.9人脸识别关键技术概述
6.10人脸检测算法
6.10.1 人脸检测算法 MTCNN
6.11 人脸识别算法 - Google FaceNet（2015）
6.11 基于MTCNN和facenet实现人脸检测和人脸识别实验
在线报名：https://www.huodongjia.com/event-64687692.html