简介
人工智能应用的数据越多,其获得的结果就越准确。在过去,人工智能由于处理器速度慢、数据量小而不能很好地工作。也没有像当今先进的传感器,并且当时互联网还没有广泛使用,所以很难提供实时数据。人们拥有所需要的一切:快速的处理器、输入设备、网络和大量的数据集。毫无疑问,没有大数据就没有人工智能。
本课程将介绍数据挖掘对人工智能影响以及深度学习平台实践帮助学员掌握人工智能应用目标
1、了解人工智能的行业图谱、行业发展以及在各个领域的应用
2、掌握数据挖掘必备的Python语言、Scikit-learn库
3、了解并掌握TensorFlow的安装、部署、配置和使用、Tensorboard的部署、配置和应用界面操作
受众人群
大数据架构师、大数据工程师、开发工程师等对人工智能相应技术有兴趣的人群
课程时长
2天(12H)
分享提纲
时间 | 课程模块 | 课程内容 |
第一天 上午 | 模块一: 人工智能的行业应用与发展 | 1.人工智能的行业图谱和行业发展割析 2.人工智能结合大数据的行业应用案例 3.人工智能在“互联网+”领域的应用 4.人工智能在制造业领域的应用 5.人工智能在金融、消费领域的应用 |
模块二: Python数据挖掘快速入门 | 1.Python语言基础快速入门 2.科学计算库Numpy 3.数据分析处理库Pandas 4.可视化库Matplotlib 5.人工智能必备Python基础 | |
模块三: Scikit-learn实战 | 1.Scikit-learn库介绍 2.Scikit-learn安装 3.基于Scikit-learn的常用挖掘算法实战 4.基于Scikit-learn数据挖掘流程 — 数据读取 — 数据标准化 — 特征提取 — 升维和降维 | |
第一天 下午 | 模块四: python基于Spark的数据挖掘实战 | 1.Spark Mllib介绍 2.Spark mllib 实现K-means应用 3.Spark mllib 实现贝叶斯应用 4.Spark mllib 实现决策时应用 5.Spark mllib 实现随机森林应用 6.基于Spark mllib实现信用卡挖掘模型应用 |
第二天 上午 | 模块五: TensorFlow Al深度学习平台及其应用实践(1) | 1.TensorFlow: 一个Al深度学习框架的概述 2.TensorFlow深度学习平台的工作机制和系统架构 3.TensorFlow的安装、部署、配置和使用 4.TensorFlow的应用场景和应用案例 |
模块六: TensorFlow Al深度学习平台及其应用实践(2) | 1.TensorFlow CNN应用操作 2.TensorFlow LSTM应用操作 3.TensorFlow在图像识别的实验操作 4.基于TensorFlow的可视化工具:5.Tensorboard简介 6.Tensorboard的部署、配置和应用界面操作 7.基于TensorFlow和Tensorboard进行实验操作 | |
第二天 下午 | 模块七: Keras人工智能平台应用实践 | 1.业界常用的AI平台:Keras人工智能平台架构 2.Keras Al平台的部署与配置 3.Keras技术实现与工作机制 4.Keras实验操作 |
模块八: 人工智能应用案例介绍 | 1.人工智能在金融行业的使用案例介绍 2.人工智能在保险行业的使用介绍 3.人工智能实现机器人的案例介绍 |
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员
Gavin Liu
百林哲咨询(北京)有限公司专家团队成员