1. 預(yù)轉(zhuǎn)型開發(fā)人員

2. 理工科相關(guān)專業(yè)

3. 研發(fā)管理技術(shù)拓展

4. 人工智能愛好者

• 制定AI培訓(xùn)課程培養(yǎng)AI專精型人才

• 覆蓋AI職業(yè)技能助力學員高起點就業(yè)

• 課程設(shè)置科學合理適合AI技術(shù)初學者

• 多領(lǐng)域多行業(yè)項目打造AI核心競爭力

• 技術(shù)大牛傾力研發(fā)專職沉淀AI新技術(shù)

• 聚力名企共建課程整合優(yōu)質(zhì)技術(shù)資源

• 機器學習、推薦、通用框架

  科學計算庫，特征工程， 十大經(jīng)典算法，主流應(yīng)用領(lǐng)域，推薦系統(tǒng)，主流框架人工智能框架TensorFlow、Pytorch。

• 圖像與視覺處理CV

  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(guān)鍵點檢測及標簽識別，視頻分類。

• 自然語言處理NLP

  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(tǒng)、閱讀理解。

• 人工智能前沿技術(shù)和未來熱點

  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(quán)重與深度置信網(wǎng)絡(luò)、模型可解釋性，模型壓縮，遷移學習，終身學習，元學習。

1. 階段1
2. 階段2
3. 階段3
4. 階段4
5. 階段5
6. 階段6
7. 階段7
8. 階段8
9. 階段9
10. 階段10

• Python編程基礎(chǔ)

  主講內(nèi)容：

  · Python基礎(chǔ)語法
  · Python數(shù)據(jù)處理
  · 函數(shù)
  · 文件讀寫
  · 異常處理
  · 模塊和包

  可掌握的核心能力：

  1、掌握Python開發(fā)環(huán)境基本配置；
  2、掌握運算符、表達式、流程控制語句、數(shù)組等的使用；
  3、掌握字符串的基本操作；
  4、初步建立面向?qū)ο蟮木幊趟季S；
  5、熟悉異常捕獲的基本流程及使用方式；
  6、掌握類和對象的基本使用方式。

  可解決的現(xiàn)實問題：

  熟練掌握人工智能Python語言，建立編程思維以及面向?qū)ο蟪绦蛟O(shè)計思想，使學員能夠熟練使用Python技術(shù)完成基礎(chǔ)程序編寫。

• Python編程進階

  主講內(nèi)容：

  · 面向?qū)ο?br>· 網(wǎng)絡(luò)編程
  · 多任務(wù)編程
  · 高級語法
  · Python編程綜合項目
  · Python數(shù)據(jù)結(jié)構(gòu)

  可掌握的核心能力：

  1、掌握網(wǎng)絡(luò)編程技術(shù)，能夠?qū)崿F(xiàn)網(wǎng)絡(luò)通訊；
  2、知道通訊協(xié)議原理；
  3、掌握開發(fā)中的多任務(wù)編程實現(xiàn)方式；
  4、知道多進程多線程的原理。

  可解決的現(xiàn)實問題：

  熟練使用Python，掌握人工智能開發(fā)必備Python高級語法。

• 數(shù)據(jù)處理與統(tǒng)計分析

  主講內(nèi)容：

  · Linux
  · MySQL與SQL
  · Numpy矩陣運算庫
  · Pandas數(shù)據(jù)清洗
  · Pandas數(shù)據(jù)整理
  · Pandas數(shù)據(jù)可視化
  · Pandas數(shù)據(jù)分析項目

  可掌握的核心能力：

  1、掌握Linux常用命令，為數(shù)據(jù)開發(fā)后續(xù)學習打下的良好基礎(chǔ)；
  2、掌握MySQL數(shù)據(jù)庫的使用；
  3、掌握SQL語法；
  4、掌握使用Python操作數(shù)據(jù)庫；
  5、掌握Pandas案例；
  6、知道會圖庫使用；
  7、掌握Pandas數(shù)據(jù)ETL；
  8、掌握Pandas數(shù)據(jù)分析項目流程。

  可解決的現(xiàn)實問題：

  掌握SQL及Pandas完成數(shù)據(jù)分析與可視化操作。

• 機器學習與多場景案例實戰(zhàn)

  主講內(nèi)容：

  · 機器學習簡介
  · K近鄰算法
  · 線性回歸
  · 邏輯回歸
  · 決策樹
  · 聚類算法
  · 集成學習
  · 機器學習進階算法
  · 用戶畫像案例
  · 電商運營數(shù)據(jù)建模分析案例

  可掌握的核心能力：

  1、掌握機器學習算法基本原理；
  2、掌握使用機器學習模型訓(xùn)練的基本流程；
  3、掌握Sklearn,Jieba,Gensim等常用機器學習相關(guān)開源庫的使用；
  4、熟練使用機器學習相關(guān)算法進行預(yù)測分析；
  5、掌握數(shù)據(jù)分析常用思維方法；
  6、掌握不同業(yè)務(wù)場景下的指標體系搭建；
  7、熟練使用各種數(shù)據(jù)分析工具進行數(shù)據(jù)提取與數(shù)據(jù)展示；
  8、熟練運用常用數(shù)據(jù)分析模型解決業(yè)務(wù)問題。

  可解決的現(xiàn)實問題：

  掌握機器學習基本概念，利用多場景案例強化機器學習建模。

• 數(shù)據(jù)挖掘綜合項目

  主講內(nèi)容：

  · 金融風控項目業(yè)務(wù)背景介紹
  · 風控建模介紹
  · 機器學習評分卡
  · 金融風控特征工程
  · 不均衡學習和異常檢測
  · 推薦項目數(shù)據(jù)采集
  · 推薦系統(tǒng)召回業(yè)務(wù)
  · 推薦系統(tǒng)排序業(yè)務(wù)
  · 基于多路召回的實時推薦
  · 推薦系統(tǒng)平臺調(diào)度
  · 推薦系統(tǒng)性能評估

  可掌握的核心能力：

  1、掌握風控業(yè)務(wù)場景的常用指標；2、掌握評分卡的建模流程；
  3、掌握評分卡特征工程的常用套路；
  4、熟練運用機器學習算法解決風控業(yè)務(wù)場景下的問題；
  5、掌握多行業(yè)推薦業(yè)務(wù)；6、掌握推薦業(yè)務(wù)建模流程；
  7、掌握召回，排序基礎(chǔ)算法；8、熟練運用機器學習算法解決推薦業(yè)務(wù)問題；
  9、掌握大數(shù)據(jù)計算框架基本使用。

  可解決的現(xiàn)實問題：

  1、掌握掌握金融風控或推薦系統(tǒng)項目
  2、掌握運用機器學習算法解決實際業(yè)務(wù)的分類、聚類、回歸的問題

• 深度學習與NLP自然語言處理基礎(chǔ)

  主講內(nèi)容：

  · 深度學習基礎(chǔ)
  · BP神經(jīng)網(wǎng)絡(luò)
  · 經(jīng)典神經(jīng)同絡(luò)結(jié)構(gòu)（CNN&RNN）
  · 深度學習多框架對比
  · 深度學習正則化和算法優(yōu)化
  · 深度學習Pytorch框架
  · NLP任務(wù)和開發(fā)流程
  · 文本預(yù)處理
  · RNN及變體原理與實戰(zhàn)
  · Transformer原理與實戰(zhàn)
  · Attention機制原理與實戰(zhàn)
  · 傳統(tǒng)序列模型
  · 遷移學習實戰(zhàn)

  可掌握的核心能力：

  1、pytorch工具處理神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵點；2、掌握神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識；
  3、掌握反向傳播原理；4、了解深度學習正則化與算法優(yōu)化；
  5、掌握NLP領(lǐng)域前沿的技術(shù)解決方案；6、了解NLP應(yīng)用場景；
  7、掌握NLP相關(guān)知識的原理和實現(xiàn)；8、掌握傳統(tǒng)序列模型的基本原理和使用；
  9、掌握非序列模型解決文本問題的原理和方案；10、能夠使用pytorch搭建神經(jīng)網(wǎng)絡(luò)；
  11、構(gòu)建基本的語言翻譯系統(tǒng)模型；12、構(gòu)建基本的文本生成系統(tǒng)模型；
  13、構(gòu)建基本的文本分類器模型；14、使用ID-CNN+CRF進行命名實體識別；
  15、使用fasttext進行快速的文本分類；16、勝任多數(shù)企業(yè)的NLP工程師的職位。

  可解決的現(xiàn)實問題：

  掌握深度學習基礎(chǔ)及神經(jīng)網(wǎng)絡(luò)經(jīng)典算法；掌握熱門的PyTorch技術(shù)，完成自然語言處理基礎(chǔ)算法，諸如RNN、LSTM、GRU等技術(shù)。

• ChatGPT技術(shù)深入淺出

  主講內(nèi)容：

  · ChatGPT入門
  · ChatGPT原理詳解
  · ChatGPT項目實戰(zhàn)
  · 基于大型預(yù)訓(xùn)練模型搭建聊天機器人
  · 聊天機器人和問答系統(tǒng)

  可掌握的核心能力：

  1、掌握大規(guī)模知識圖譜技術(shù)與自然語言處理在多領(lǐng)域的應(yīng)用
  2、掌握ChatGPT聊天機器人實戰(zhàn)
  3、掌握基于大型預(yù)訓(xùn)練模型搭建聊天機器人
  4、熟悉端到端以及結(jié)合知識庫的多輪多任務(wù)對話系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)

  可解決的現(xiàn)實問題：

  能夠運用ChatGPT模型完成聊天機器人和問答系統(tǒng)的相關(guān)功能

• NLP自然語言處理綜合項目

  主講內(nèi)容：

  · 解決方案列表
  · 項目架構(gòu)及數(shù)據(jù)采集
  · 命名實體識別
  · 對話系統(tǒng)
  · 項目架構(gòu)
  · 多模型預(yù)測
  · 模型的迭代優(yōu)化
  · 模型的上線部署與總結(jié)
  · 智能文本分類
  · 模型上線

  可掌握的核心能力：

  1、醫(yī)療領(lǐng)域NER解決方案；2、對話主題相關(guān)解決方案；
  3、微信端服務(wù)部署解決方案；4、對話管理系統(tǒng)與A結(jié)合解決方案；
  5、抽取式文本摘要解決方案；6、生成式文本摘要解決方案；
  7、自主訓(xùn)練詞向量解決方案；8、解碼方案的優(yōu)化解決方案；
  9、數(shù)據(jù)增強優(yōu)化解決方案；10、大規(guī)?？焖傥谋痉诸惤鉀Q方案；
  11、多模型井行預(yù)測解決方案；12、分布式模型訓(xùn)練解決方案；
  13、多標簽知識圖譜構(gòu)建解決方案。

  可解決的現(xiàn)實問題：

  1、掌握自然語言處理項目，完成文本摘要或傳智大腦項目
  2、掌握自然語言處理項目，完成智能文本分類或知識圖譜項目
  3、掌握運用NLP核心算法解決實際場景關(guān)系抽取的問題

• CV基礎(chǔ)&面試加強

  主講內(nèi)容：

  · 機器學習核心算法加強
  · 深度學習核心算法加強
  · 數(shù)據(jù)結(jié)構(gòu)與算法
  · 多行業(yè)項目擴展
  · 圖像與視覺處理介紹
  · 目標分類和經(jīng)典CV網(wǎng)絡(luò)
  · 目標檢測和經(jīng)典CV網(wǎng)絡(luò)
  · 目標分割和經(jīng)典CV網(wǎng)絡(luò)

  可掌握的核心能力：

  1、機器學習與深度學習核心算法，NLP經(jīng)典算法，數(shù)據(jù)結(jié)構(gòu)算法、Djkstra算法，動態(tài)規(guī)劃初步，貪心算法原理，多行業(yè)人工智能案例剖析；
  2、經(jīng)典卷積網(wǎng)絡(luò)：LeNet5、AlexNet、 VGG、 Inception、GoogleNlet、殘差網(wǎng)絡(luò) 深度學習優(yōu)化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、 YOLOV2、 YOLOV。

  可解決的現(xiàn)實問題：

  1、掌握數(shù)據(jù)結(jié)構(gòu)與算法，核心機器學習、深度學習面試題，助力高薪就業(yè)；
  2、掌握計算機視覺基礎(chǔ)算法，諸如CNN、殘差網(wǎng)絡(luò)、Yolo及SSD。

• CV計算機視覺綜合項目

  主講內(nèi)容：

  · 解決方案列表
  · 項目架構(gòu)及數(shù)據(jù)采集
  · 人臉檢測與跟蹤
  · 人臉姿態(tài)任務(wù)
  · 人臉多任務(wù)
  · 系統(tǒng)集成

  可掌握的核心能力：

  1、人臉檢測與跟蹤解決方案；
  2、人臉多任務(wù)解決方案；
  3、人臉識別任務(wù)解決方案；
  4、系統(tǒng)集成解決方案；。

  可解決的現(xiàn)實問題：

  掌握人臉支付項目或智慧交通項目或?qū)崟r人臉識別項目。

• 40+解決方案

  特定目標車輛跟蹤Siamese系列模型的解決方案SORT/DeepSORT算法多目標車輛跟蹤解決方案

  建立交通流系統(tǒng)狀態(tài)和觀測狀態(tài)的解決方案車輛檢測、計數(shù)和分類解決方案

  圖像去畸變的解決方案實時車道線檢測的解決方案

  實時采集攝像頭人臉視頻的解決方案利用深度學習方法進行人臉屬性提取的解決方案

  動態(tài)圖像人臉定位的解決方案利用深度神經(jīng)網(wǎng)絡(luò)進行人臉實時識別跟蹤的解決方案

  醫(yī)學影像格式轉(zhuǎn)換的解決方案肺部實質(zhì)形態(tài)分割的解決方案

  利用深度學習模型進行肺結(jié)節(jié)檢測及分割的解決方案可疑病灶區(qū)域標記及預(yù)診斷的解決方案

  基于多模型級聯(lián)學習的場景識別解決方案淺CNN模型和深CNN模型集成學習

  mlp模型組合預(yù)判場景解決方案在線圖片識別-商品檢測項目（CV）

  基于端到端算法的目標檢測解決方案模型訓(xùn)練中數(shù)據(jù)增強的解決方案

  基于Label Image的圖像標注的解決方案知識圖譜的雙畫像關(guān)系存儲解決方案

  動態(tài)/靜態(tài)標簽的AI屬性方案實時響應(yīng)的AI金字塔召回方案

  wide-deep模型的排序模型方案醫(yī)療領(lǐng)域NER解決方案

  對話主題相關(guān)解決方案微信端服務(wù)部署解決方案

  對話管理系統(tǒng)與AI結(jié)合解決方案大規(guī)?？焖傥谋痉诸惤鉀Q方案

  多模型并行預(yù)測解決方案分布式模型訓(xùn)練解決方案

  多標簽知識圖譜構(gòu)建解決方案基于Flume+Kafka的實時數(shù)據(jù)采集解決方案

  基于詞頻、詞向量的文章畫像抽取解決方案離線定時任務(wù)多路召回的解決方案

  wide&deep深度神經(jīng)網(wǎng)絡(luò)模型的排序方案雙通道redis&hbase的實時請求服務(wù)解決方案

  推薦系統(tǒng)冷啟動解決方案中文分詞和向量化的解決方案

  基于神經(jīng)網(wǎng)絡(luò)端到端的解決方案語言模型調(diào)優(yōu)與注意力機制優(yōu)化的方案

• 10+技術(shù)棧

  模型訓(xùn)練流水線模型并行預(yù)測服務(wù)模型熱更新微服務(wù)分布式模型訓(xùn)練自動參數(shù)調(diào)優(yōu)Fasttext模型全面解析應(yīng)用Transformer遷移學習深入實踐ResNet主干視覺網(wǎng)絡(luò)剖析強化學習與對抗網(wǎng)絡(luò)解讀大型模型壓縮與知識蒸餾探索對抗網(wǎng)絡(luò)系列算法論文復(fù)現(xiàn)……

1. 20+名

   
   AI技術(shù)大牛

2. 平均5年+

   
   AI從業(yè)經(jīng)驗

3. 300+次

   
   技術(shù)研討

百度云智學院，制定人工智能人才培養(yǎng)方案雙方將共同制定和推廣“人工智能”人才標準及人才培養(yǎng)方案，并根據(jù)各自的優(yōu)勢共同進行課程設(shè)計和優(yōu)化，旨在培養(yǎng)更專業(yè)的人工智能領(lǐng)域人才。

京東人工智能平臺，達成 AI 項目資源深度合作雙方將通過平臺建設(shè)、課程研發(fā)、人才培養(yǎng)及產(chǎn)品創(chuàng)新，圍繞人工智能數(shù)據(jù)科學、圖像與視覺處理、自然語言處理等領(lǐng)域開展更多深度合作。

• 目標導(dǎo)向式學習

  課前明確學習目標
  學員全程圍繞學習目標開展學習

• 智能指引式建議

  根據(jù)個人知識掌握
  推薦對應(yīng)學習建議

• 及時的答疑解惑

  隨時隨地在系統(tǒng)中提出
  問題并獲得解答

• BI可視化呈現(xiàn)

  學習成果通過可視化BI報表展現(xiàn)
  學習情況了然于胸

• 隨堂診斷式糾錯

  隨堂糾錯測評
  確保學習的薄弱點有效補救

• 循序漸進式練習

  低起點、高終點的練習路徑
  提升知識應(yīng)用能力

• 階段性效果測試

  階段性評估
  明確學習薄弱點

• 貼心的強化輔導(dǎo)

  專人制定專項學習計劃
  確保每一名學員不掉隊