人工智能-深度學(xué)習(xí)技術(shù)培訓(xùn)班

培訓(xùn)內(nèi)容

第一部分：人工智能基礎(chǔ)

1.1　人工智能（AI）概述 

1.２　AI研究的主要技術(shù)問題 

1.３　AI的主要學(xué)派

 1.４　AI十大應(yīng)用案例 

（１）城市公共資源輔助優(yōu)化配置　 

（２）臨床醫(yī)療影像輔助診斷　 

（３）英語聽說考試語音評(píng)測(cè)　 

（４）智能供應(yīng)鏈設(shè)計(jì)系統(tǒng) 

（５）機(jī)器翻譯 

（６）智能客服機(jī)器人　 

（７）重點(diǎn)人群身份識(shí)別　 

（８）智能網(wǎng)絡(luò)視頻云服務(wù)　 

（９）人證比對(duì)實(shí)名認(rèn)證 

（１０）工業(yè)互聯(lián)網(wǎng)平臺(tái)　 

1.４　人工智能技術(shù)基礎(chǔ) 

１.４.１　搜索與推理技術(shù)  

１.４.２　知識(shí)表示 　

第二部分：基于知識(shí)的人工智能系統(tǒng)及應(yīng)用 

２.１專家系統(tǒng)概念 

２.２專家系統(tǒng)結(jié)構(gòu)　 

２.３專家系統(tǒng)開發(fā)工具 

２.４專家系統(tǒng)設(shè)計(jì)與實(shí)際應(yīng)用　 

２.４.１計(jì)算機(jī)故障診專家系統(tǒng)　　 

２.４.２基于Web與云計(jì)算平臺(tái)的設(shè)備故障診斷專家系統(tǒng)　 

2.5  規(guī)則引擎與JSR94規(guī)范    

2.5.1 規(guī)則引擎產(chǎn)生背景 

2.5.2 規(guī)則引擎概念 

2.5.3 規(guī)則引擎架構(gòu) 

2.5.4 JSR94 規(guī)范 --Java規(guī)則引擎API 

2.5.5 典型規(guī)則引擎 

2.5.6 規(guī)則引擎應(yīng)用案例（信用卡申請(qǐng)）

第三部分：知識(shí)圖譜

3.1  知識(shí)圖譜概念 

3.2  知識(shí)圖譜與專家系統(tǒng)  

3.3  開放知識(shí)圖譜 

3.4  知識(shí)的提取、表示、存儲(chǔ)與檢索 

3.5  知識(shí)圖譜在互聯(lián)網(wǎng)金融行業(yè)的應(yīng)用 

3.6  實(shí)驗(yàn)： 基于NEO4j的知識(shí)圖譜應(yīng)用系統(tǒng)

第四部分：基于聯(lián)接的人工智能系統(tǒng)及應(yīng)用

4.1　神經(jīng)網(wǎng)絡(luò)概念 

4.2　前饋神經(jīng)網(wǎng)絡(luò)算法　 

4.3　前饋神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法 

4.4　前饋神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用 

4.4.1　基于神經(jīng)網(wǎng)絡(luò)的煤礦突水預(yù)測(cè)系統(tǒng)　　 

4.4.2　融合專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的真空成型機(jī)故障診斷系統(tǒng)　

第五部分：基于深度學(xué)習(xí)的人工智能系統(tǒng)及應(yīng)用

5.1　機(jī)器學(xué)習(xí)概念 

5.2　深度學(xué)習(xí)概念 

5.3　卷積積神經(jīng)網(wǎng)絡(luò) 

5.4  增強(qiáng)學(xué)習(xí)  

5.5  遷移學(xué)習(xí) 

5.6  生成對(duì)抗網(wǎng)絡(luò) 

5.7  主流深度學(xué)習(xí)框架

5.7.1 TesorFlow 2.4（安裝與實(shí)例運(yùn)行） 

5.7.2  Keras2.4 （安裝與實(shí)例運(yùn)行）

5.7.3  pytorch 5.8 基于TesorFlow/keras的深度學(xué)習(xí)應(yīng)用系統(tǒng)上機(jī)實(shí)驗(yàn)  

（1）手寫體數(shù)字識(shí)別 

（2）時(shí)裝識(shí)別 

（3）情感識(shí)別 

第六部分：基于深度學(xué)習(xí)的目標(biāo)檢測(cè)與人臉識(shí)別

6.1  目標(biāo)檢測(cè)（object detection）概念  

6.2 傳統(tǒng)的目標(biāo)檢測(cè)方法 

6.3  基于區(qū)域建議(候選框)的目標(biāo)識(shí)別算法

6.3.1  R-CNN 

6.3.2  Fast R-CNN 

6.3.3  Faster R-CNN 

6.3.4 Feature Pyramid Networks(FPN)-特征金字塔網(wǎng)絡(luò) 

6.4  YOLO——One-Stage目標(biāo)檢測(cè)算法 

6.5  SSD與 Retina-Net 

6.6  基于ImageAI  的計(jì)算機(jī)視覺編程庫(kù) 

6.7人臉識(shí)別關(guān)鍵技術(shù)概述 

6.8人臉檢測(cè)算法  

6.9 人臉檢測(cè)算法 MTCNN  

6.10人臉識(shí)別算法 - Google?FaceNet（2015）  

6.11 基于MTCNN和facenet實(shí)現(xiàn)人臉檢測(cè)和人臉識(shí)別實(shí)驗(yàn)

主講教授  

張璟，博士畢業(yè)于西安交通大學(xué)電信學(xué)院，現(xiàn)為西安理工大學(xué)大學(xué)計(jì)算機(jī)學(xué)院2級(jí)教授，博士生導(dǎo)師，陜西省***專家組專家。

2000年9-12月訪問*密西根大學(xué)、日本大學(xué)，2012-2019年先后訪問*加州大學(xué)圣芭芭拉分校、斯坦福大學(xué)、克萊姆森大學(xué)、喬治亞理工學(xué)院。

曾任西安理工大學(xué)計(jì)算機(jī)學(xué)院副院長(zhǎng)、陜西省信息化專家組專家、陜西省制造業(yè)信息化專家組專家，計(jì)算機(jī)學(xué)院副院長(zhǎng)、計(jì)算機(jī)學(xué)科帶頭人，西北工業(yè)大學(xué)兼職研究員。1985年以來，主要從事人工智能、因特信息網(wǎng)方面的教學(xué)與研究，進(jìn)行過多個(gè)實(shí)用人工智能系統(tǒng)、網(wǎng)絡(luò)與信息系統(tǒng)的規(guī)劃、設(shè)計(jì)與開發(fā)。主持完成科研項(xiàng)目35項(xiàng)，其中國(guó)家863課題6項(xiàng)、陜西省科技攻關(guān)項(xiàng)目2項(xiàng)、企業(yè)委托項(xiàng)目14項(xiàng)。獲省、部級(jí)科技獎(jiǎng)勵(lì)6項(xiàng)。

2010年以來，主要從事云計(jì)算、大數(shù)據(jù)、人工智能與深度學(xué)習(xí)方面的研究開發(fā)與教學(xué)。曾用人工智能語言Prolog實(shí)現(xiàn)計(jì)算機(jī)故障診斷專家系統(tǒng)；用C語言實(shí)現(xiàn)煤礦突水預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)；用專家系統(tǒng)工具Jess工具設(shè)計(jì)企業(yè)大數(shù)據(jù)平臺(tái)；用tensorflow/Keras/Phtyon 實(shí)現(xiàn)手寫體數(shù)字識(shí)別、電影評(píng)價(jià)情感識(shí)別系統(tǒng)，設(shè)計(jì)股票預(yù)測(cè)系統(tǒng)，人臉識(shí)別系統(tǒng)。

典型人工智能方面的成果：

1、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)理論及其在煤礦水害預(yù)測(cè)中的應(yīng)用,1997年12月獲機(jī)械工業(yè)部科技進(jìn)步三等獎(jiǎng)。

2、國(guó)家電子類規(guī)劃教材：人工智能基礎(chǔ)，電子工業(yè)出版社，2000年3月。（ISBN 7-5053-5725-5/G.489）

3、實(shí)時(shí)控制神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)結(jié)構(gòu)及推理算法，模式識(shí)別與人工智能，第8卷第2期（1995年6月）。