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
數學/統計學
/物理專業
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培訓新標準
培養AI專精型人才
覆蓋AI職業全技能
助力學員高端就業
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培訓新標準
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職業全技能
助力學員高端就業
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第一個程序
·條件控制語句和循環語句
·容器類型
·函數
·文件操作
1、掌握Python基礎語法, 具備基礎的編程能力。
1、能夠熟練使用Python技術完成針對小問題的程序編寫。
·Python高級語法
·Python常用標準庫
·數據結構與算法
·Linux系統使用
·網絡編程
·多任務編程
·Web基礎應用：HTTP協議
·Web基礎應用：前端基礎
·AI開發Web應用：Django框架
·面向對象
·異常處理
·模塊和包
1、能夠熟練使用Linux操作系統；
2、掌握網絡編程相關技術, 能夠實現網絡間數據通信；
3、掌握程序設計開發中多任務實現方式；
4、能夠進行Python與MySQL之間的數據交互；
5、掌握Python中的re模塊的使用, 能夠實現對字符串進行復雜模式匹配；
6、掌握Web服務器的工作流程, 以及Web框架的實現原理；
7、建立起編程思維以及面向對象程序設計思想。
能夠使用面向對象的程序設計方法, 基于Linux操作系統開發多任務的網絡程序開發。
·常用科學計算庫的使用
·數學基礎知識及基于科學計算庫的實現
·數據預處理與特征工程
·決策樹
·SVM支持向量機
·樸素貝葉斯
·聚類算法
·集成學習
·馬爾可夫鏈蒙特卡羅方法
·圖模型
·高斯過程
·機器學習項目實訓
1、掌握數據科學庫的使用；
2、掌握數據基本處理的方法；
3、掌握機器學習中處理數據的方法；
4、理解經典的機器學習算法原理；
5、掌握機器學習中工作的具體流程。
1、把實際工作、生活中遇到的問題轉換為可以用機器學習解決的模型；
2、實現針對不同問題，選擇不同算法模型，同時在該模型的基礎上，對該算法進行調優。
·神經網絡
·TensorFlow框架
·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
·OpenCV庫與圖像處理基礎
·OpenCV庫與圖像處理進階
·cv綜合案例實訓
1、熟悉深度學習主要及前沿網絡模型的架構原理及在實際業務場景中的應用；
2、掌握深度學習在計算機視覺中的應用，包括但不限于分割檢測識別等；
3、掌握實際工作中深度學習的具體流程，數據及標注處理，建模訓練，及模型部署應用等。
1、可實現物體（人體，人臉，通用目標）檢測，跟蹤與識別，道路交通及工業環境險情發現等多領域的深度學習解決方案；
2、能夠對圖像處理、人臉算法，或者對于各種深度學習框架實現的算法進行調優。
·pytorch工具與神經網絡基礎
·自然語言處理NLP介紹
·自然語言處理NLP開發HelloWorld案例
·文本預處理
·RNN及變體
·Transfomer
·傳統的序列模型
·非序列模型解決文本問題
1、掌握pytorch的安裝和使用；
2、掌握NLP領域前沿的技術解決方案；
3、掌握NLP相關知識的原理和實現；
4、掌握傳統序列模型的基本原理和使用；
5、掌握非序列模型解決文本問題的原理和方案。
1、能夠使用pytorch搭建神經網絡；
2、構建基本的語言翻譯系統模型；
3、構建基本的文本生成系統模型；
4、構建基本的文本分類器模型；
5、使用ID-CNN+CRF進行命名實體識別；
6、使用fasttext進行快速的文本分類。
·智能交通CV項目
·實時人臉檢測CV項目
·智能文本分類NLP項目
·在線醫生NLP項目
·場景識別CV項目
·泛娛樂推薦項目（CV+推薦）
1、掌握大規模語料下AI模型快速進行文本分類的全流程；
2、掌握多模型并行訓練與多模型部署預測的全流程；
3、掌握垂直領域AI對話系統的基本工程實現；
4、掌握使用遷移學習方法進行句子審核及其句子主題相關問題的實現；
5、掌握復雜場景下AI模型實時進行目標檢測并跟蹤的全流程；
6、掌握利用AI模型進行人臉定位，檢測，識別，匹配的工程實現方法；
7、掌握多模型級聯實現場景識別并進行模型部署的全流程。
1、通過項目對機器學習、NLP、CV領域知識點綜合應用；
2、通過項目綜合提升AI算法業務流搭建能力；
3、通過項目綜合提升AI算法實用性、先進性、可拓展性經驗提升。
·自編碼器
·對稱權重與深度置信網絡
·進化學習
·分布式機器學習
·強化學習
·數據結構和算法強化
·數據結構強化
·動態規劃初步
·貪心算法
·數據結構與算法的Python實現
·計算機視覺CV強化
·立體視覺與SLAM
·點云處理
1、理解算法和模型的分布式實現及加速原理；
2、深入理解常用算法，模式識別，概率統計、最優化等算法原理及應用；
3、基于3D點云數據，進行配準、分割和特征識別等算法開發,建立3D點云圖處理的算法模型。
1、跟進行業最新深度學習算法相關先進技術，研究并應用的學習算法，持續提升模型的精準性和魯棒性；
2、深入理解算法和模型調優方式及優缺點；
3、綜合運用經典SLAM技術，多視角幾何基礎理論以及三維重建方法進行業務實踐。
自然語言處理方向01 NLP案例6+
02 小智同學聊天機器人項目
03基于Transformer的語音識別項目
圖像與視覺處理方向01 CV案例6+
02 場景識別項目
03 在線商品檢測項目
推薦系統方向01 大數據推薦系統基礎專業課
02 黑馬頭條推薦系統項目
03 泛娛樂推薦系統項目
數據處理方向01 Python爬蟲基礎
02 爬蟲熱點項目庫
03 爬蟲高薪課
04 數據分析基礎課和案例
Web開發方向01 Web-Django框架基礎課
02 Web-Flask框架基礎課
03 美多商場項目
04 黑馬頭條web項目
05 傳智云課堂項目
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
場景識別是視頻內容結構化的重要基礎。場景信息是影視劇、短視頻推薦的重要依據；通過場景識別把視頻按照場景片段分割，為廣告與視頻場景原生貼合創造條件。
1、淺CNN模型粗分場景
2、深CNN模型集成學習細分場景
3、MLP模型預判的深度級聯學習模型
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
本項目可針對X光胸片的肺部結節自動檢測，在CT圖像上進行智能肺結節檢測。結合計算機視覺技術和深度學習網絡，AI能夠自動完成對可疑病灶區域的標記和預診斷，提高醫生工作效率，降低誤診率和漏診率。
1、R-CNN系列目標檢測
2、3D-CNN模型
3、DNN網絡提取語義特征
4、圖像分割
5、格式轉換
6、算法優化
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
在線商品檢測項目是一個基于圖像方向的一個目標檢測的項目。類似的項目應用如淘寶拍立淘等。該項目結合當前CV領域常用工具、深度學習、目標檢測算法、微信小程序對接、百度機器人對接等技術，能夠為用戶或者消費者拍攝的照片、視頻中存在的目標做出標記與類別判斷。
1、YOLO系列模型
2、SSD模型
3、數據增強
4、TensorFlow serving
5、多GPU訓練及模型部署
6、LabelImage圖像標注
大廠實戰講師團隊
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。
碩士研究生學歷，具有多年的編程工作經驗。研究生期間主要研究算法優化，熟悉常用算法模型底層原理。做過數據挖掘，推薦系統等相關工作。專注于人工智能、機器學習、深度學習相關方面的應用研究。授課幽默風趣，注重學員反饋吸收。
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。
