模块一人工智能基础、技术及其体系

1.人工智能(Artificiallntelligence, Al)的定义、起源、用途

2.人工智能的发展历程与脉络

3.人工智能的国家政策解读

4.人工智能的技术体系

5.人工智能的技术框架

模块二人工智能的问题求解及技术实现

6.人工智能领域的经典问题和求解方式

7.机器学习模型和推理符号模型

8.人工智能和大数据

9.人工智能和机器学习

10.人工智能和深度学习

模块三人工智能的学习方式

11.有监督学习训练

12.无监督学习训练

13.半监督学习训练

模块四人工智能的行业应用与发展

14.人工智能的行业图谱和行业发展割析

15.人工智能结合大数据的行业应用案例

16.人工智能在“互联网 ”领域的应用

17.人工智能在制造业领域的应用

18.人工智能在金融、消费领域的应用

模块五部署人工智能实验平台

19.部署人工智能实验操作软件和环境

20.运行讲师提供的人工智能简単示例验证环境的准确性

21.熟悉实验资料和实验环境 

模块六人工智能机器学习的算法模型的应用实践(1)

22.人工智能领域的四大类经典算法模型

23.神经网络机器学习算法模型及其应用

24.决策树算法模型及其应用

25.关联分析算法模型及其应用

26.聚类分析算法模型及其应用

27.深度学习算法模型及应用

28.CNN卷积神经网络算法模型及应用

模块七人工智能机器学习的算法模型的应用实践(2)

29.朴素贝叶斯算法模型及其应用

30.逻辑回归算法模型及其预测应用

31.LSTM深度学习库的应用

32.Python机器学习库的应用

33.Python Scikit-learn算法库的使用讲解

模块八人工智能和机器学习的实验操作

34.Python Scikit_learn算法库的实战操作

35.利用 Python语言编程,实现分类预测项目

36.实验要求准确率、召回率、误差等指标

模块九TensorFlow Al深度学习平台及其应用实践(1)

37.TensorFlow: 一个Al深度学习框架的概述

38.TensorFlow深度学习平台的工作机制和系统架构

39.TensorFlow的安装、部署、配置和使用

40.TensorFlow的应用场景和应用案例

模块十TensorFlow Al深度学习平台及其应用实践(2)

41.TensorFlow CNN应用操作

42.TensorFlow LSTM应用操作

43.TensorFlow在图像识别的实验操作

44.基于TensorFlow的可视化工具：Tensorboard简介

45.Tensorboard的部署、配置和应用界面操作

46.基于TensorFlow和Tensorboard进行实验操作

模块十一Keras人工智能平台应用实践

47.业界常用的AI平台：Keras人工智能平台架构

48.Keras Al平台的部署与配置

49.Keras技术实现与工作机制

50.Keras实验操作

模块十二项目实践

51.利用学过的知识，使用Python编程实现基本的人脸识别或讲师布置的AI实验项目

52.讲师提供项目指导手册,带着学员完成,学员独立完成后,讲师答疑

模块十三培训内容综合、

应用完整实践与咨询讨论

53.根据讲师布置的实际应用案例, 开展人工智能和大数据完整项目部署设计和应用开发实践、 应用实施以及解决方案分享咨询与交流讨论