北風網-人工智能就業班培訓
鏈接:https://pan.baidu.com/s/128DJgMY9G-fjzRAxq1QO-w 提取碼: ngwi
課程體系
階段一、人工智能基礎 － 高等數學必知必會 本階段主要從數據分析、概率論和線性代數及矩陣和凸優化這四大塊講解基礎，旨在訓練大家邏輯能力，分析能力。擁有良好的數學基礎，有利於大家在後續課程的學習中更好的理解機器學習和深度學習的相關算法內容。同時對於AI研究尤爲重要，例如人工智能中的智能很大一部分依託“概率論”實現的。
階段二、人工智能提升 － Python高級應用 隨着AI時代的到來以及其日益蓬勃的發展，Python作爲AI時代的頭牌語言地位基本確定，機器學習是着實令人興奮，但其複雜度及難度較大，通常會涉及組裝工作流和管道、設置數據源及內部和雲部署之間的分流而有了Python庫後，可幫助加快數據管道，且Python庫也在不斷更新發布中，所以本階段旨在爲大家學習後續的機器學習減負。
階段三、人工智能實用 － 機器學習篇機器學習利用算法去分析數據、學習數據，隨後對現實世界情況作出判斷和預測。因此，與預先編寫好、只能按照特定邏輯去執行指令的軟件不同，機器實際上是在用大量數據和算法去“自我訓練”，從而學會如何完成一項任務。
所以本階段主要從機器學習概述、數據清洗和特徵選擇、迴歸算法、決策樹、隨機森林和提升算法、SVM、聚類算、EM算法、貝葉斯算法、隱馬爾科夫模型、LDA主題模型等方面講解一些機器學習的相關算法以及這些算法的優化過程，這些算法也就是監督算法或者無監督算法。
階段四、人工智能實用 － 數據挖掘篇 本階段主要通過音樂文件分類和金融反欺詐模型訓練等項目，幫助大家對於上階段的機器學習做更深入的鞏固，爲後續深度學習及數據挖掘提供項目支撐。
項目一：百度音樂系統文件分類 音樂推薦系統就是利用音樂網站上的音樂信息，向用戶提供音樂信息或者建議，幫助用戶決定應該聽什麼歌曲。而個人化推薦則是基於音樂信息及用戶的興趣特徵、聽歌歷史行爲，向用戶推薦用戶可能會感興趣的音樂或者歌手。推薦算法主要分爲以下幾種：基於內容的推薦、協同過濾推薦、基於關聯規則推薦、基於效用推薦、基於知識推薦等；推薦系統常用於各個互聯網行業中，比如音樂、電商、旅遊、金融等。
項目二：千萬級P2P金融系統反欺詐模型訓練 目前比較火的互聯網金融領域，實質是小額信貸，小額信貸風險管理，本質上是事前對風險的主動把控，儘可能預測和防範可能出現的風險。本項目應用GBDT、Randomforest等機器學習算法做信貸反欺詐模型，通過數據挖掘技術，機器學習模型對用戶進行模型化綜合度量，確定一個合理的風險範圍，使風險和盈利達到一個平衡的狀態。
階段五、人工智能前沿 － 深度學習篇 深度學習是實現機器學習的技術，同時深度學習也帶來了機器學習的許多實際應用，拓展了AI的使用領域，本階段主要從TensorFlow、BP神經網絡、深度學習概述、CNN卷積神經網絡、遞歸神經網、自動編碼機，序列到序列網絡、生成對抗網絡，孿生網絡，小樣本學習技術等方面講解深度學習相關算法以，掌握深度學習前沿技術，並根據不同項目選擇不同的技術解決方案。針對公司樣本不足，採用小樣本技術和深度學習技術結合，是項目落地的解決方案。
階段六、人工智能進階 － 自然語言處理篇 自然語言處理（NLP）是計算機科學領域與人工智能領域中的一個重要方向。它已成爲人工智能的核心領域。自然語言處理解決的是“讓機器可以理解自然語言”這一到目前爲止都還只是人類獨有的特權，被譽爲人工智能皇冠上的明珠，被廣泛應用。本階段從NLP的字、詞和句子全方位多角度的學習NLP，作爲NLP的基礎核心技術，對NLP爲核心的項目，如聊天機器人，合理用藥系統，寫詩機器人和知識圖譜等提供底層技術。通過學習NLP和深度學習技術，掌握NLP具有代表性的前沿技術。
階段七、人工智能進階 － 圖像處理篇 數字圖像處理(Digital Image Processing)是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特徵等處理的方法和技術。廣泛的應用於農牧業、林業、環境、軍事、工業和醫學等方面，是人工智能和深度學習的重要研究方向。深度學習作爲當前機器學習領域最熱門的技術之一，已經在圖像處理領域獲得了應用，並且展現出巨大的前景。本階段學習了數字圖像的基本數據結構和處理技術，到前沿的深度學習處理方法。掌握前沿的ResNet,SSD,Faster RCNN等深度學習模型，對圖像分類，目標檢測和模式識別等圖像處理主要領域達到先進水平。實際工作中很多項目都可以轉化爲本課程的所學的知識去解決，如行人檢測，人臉識別和數字識別。
階段八、人工智能終極實戰 － 項目應用 本階段重點以項目爲導向，通過公安系統人臉識別、圖像識別以及圖像檢索、今日頭條CTR廣告點擊量預估、序列分析系統、聊天機器人等多個項目的講解，結合實際來進行AI的綜合運用。
項目一：公安系統人臉識別、圖像識別 使用深度學習框架從零開始完成人臉檢測的核心技術圖像類別識別的操作，從數據預處理開始一步步構建網絡模型並展開分析與評估，方便大家快速動手進行項目實踐！識別上千種人靚，返回層次化結構的每個人的標籤。
項目二：公安系統圖像檢索 本項目基於卷積神經網在訓練過程中學習出對應的『二值檢索向量』，對全部圖先做了一個分桶操作，每次檢索的時候只取本桶和臨近桶的圖片作比對，而不是在全域做比對，使用這樣的方式提高檢索速度，使用Tensorflow框架建立基於ImageNet的卷積神經網絡，並完成模型訓練以及驗證。
項目三：今日頭條CTR廣告點擊量預估 點擊率預估是廣告技術的核心算法之一，它是很多廣告算法工程師喜愛的戰場。廣告的價值就在於宣傳效果,點擊率是其中最直接的考覈方式之一,點擊率越大,證明廣告的潛在客戶越多,價值就越大,因此纔會出現了刷點擊率的工具和技術。通過對於點擊量的評估，完成對於潛在用戶的價值挖掘。
項目四：序列分析系統 時間序列分析(Time Series Analysis)是一種動態數據處理的統計方法，主要基於隨機過程理論和數理統計方法，研究隨機數據序列所遵從的統計規律以便用於解決實際問題。主要包括自相關分析等一般的統計分析方法，構建模型從而進行業務推斷。經典的統計分析是假定數據序列具有獨立性，而時間序列分析則側重於研究數據樣本序列之間的依賴關係。時間序列預測一般反應了三種實際變化規律：趨勢變化、週期性變化和隨機性變化。時間序列預測常應用於國民經濟宏觀控制、企業經營管理、市場潛力量預測、天氣預報、水文預報等方面，是應用於金融行業的一種核心算法之一。
項目五：京東聊天機器人/智能客服 聊天機器人/智能客服是一個用來模擬人類對話或者聊天的一個系統，利用深度學習和機器學習等NLP相關算法構建出問題和答案之間的匹配模型，然後可以將其應用到客服等需要在線服務的行業領域中，聊天機器人可以降低公司客服成本，還能夠提高客戶的體驗友好性。 在一個完整的聊天機器人實現過程中，主要包含了一些核心技術，包括但不限於：爬蟲技術、機器學習算法、深度學習算法、NLP領域相關算法。通過實現一個聊天機器人可以幫助我們隊AI整體知識的一個掌握。
項目六：機器人寫詩歌 機器人寫詩歌/小說是一種基於NLP自然語言相關技術的一種應用，在實現過程中可以基於機器學習相關算法或者深度學習相關算法來進行小說/詩歌構建過程。人工智能的一個終極目標就是讓機器人能夠像人類一樣理解文字，並運用文字進行創作，而這個目標大致上主要分爲兩個部分，也就是自然語言理解和自然語言生成，其中現階段的主要自然語言生成的運用，自然語言生成主要有兩種不同的方式，分別爲基於規則和基於統計，基於規則是指首先了解詞性及語法等規則，再依據這樣的規則寫出文章；而基於統計的本質是根據先前的字句和統計的結果，進而判斷下一個子的生成，例如馬爾科夫模型就是一種常用的基於統計的方法。
項目七：機器翻譯系統 機器翻譯又稱自動翻譯，是指利用計算機將一種自然語言轉換爲另外一種自然語言的過程，機器翻譯是人工智能的終極目標之一，具有很高的研究價值，同時機器翻譯也具有比較重要的實用價值，機器翻譯技術在促進政治、經濟、文化交流等方面起到了越來越重要的作用；機器翻譯主要分爲以下三個過程：原文分析、原文譯文轉換和譯文生成；機器翻譯的方式有很多種，但是隨着深度學習研究取得比較大的進展，基於人工網絡的機器翻譯也逐漸興起，特別是基於長短時記憶(LSTM)的循環神經網絡(RDD)的應用，爲機器翻譯添了一把火。