浏览数量: 795 作者: 本站编辑 发布时间: 2023-02-20 来源: 本站
AI 工程师营 | ||
主题 | 内容介绍 | 课时 |
人工智能导论 | ▫ 什么是人工智能 ▫ 人工智能的历史沿革 ▫ 生活中常见的人工智能产品 ▫ 对人工智能常见的误解 | 1 |
算法工程师的进阶之路 | ▫ 算法工程师的知识体系 ▫ 学习方法和资料 ▫ 如何阅读一篇 AI 论文 | 1 |
机器学习基础(Ⅰ) | 人工智能背后的技术:AI 模型 ▫ AI 模型是什么 ▫ AI 模型的生命周期 ▫ AI 模型质量的判断 | 1 |
机器学习基础(Ⅱ) | 使用 AI 模型的几种方法 ▫ 使用模型 ▫ 使用训练代码 ▫ 使用训练代码 + 预训练模型 ▫ 使用算法 | 1 |
通过认知服务体验 AI 模型 | ▫ 认识微软认知服务( ASR,TTS ) ▫ 服务总览 + 常用任务介绍 ▫ 服务调用方法获得结果( e.g. 音频文件和 viseme 信息 ) | 3 |
机器学习基础(Ⅲ) 认识模型训练和优化算法 | 通过线性回归认识模型训练和预测 ▫ 线性回归的模型函数 ▫ 线性回归的训练目标 ▫ 线性回归的预测结果 通过线性回归认识梯度下降 ▫ 从模型函数到目标函数 ▫ 最优化目标函数 ▫ 梯度下降算法 ▫ 梯度下降算法的实现 | 2 |
机器学习基础(Ⅳ) 模型的训练环境 | ▫ 单机训练 ▫ Al Platform | 1 |
有监督模型(Ⅰ) 二分类模型 | 认识逻辑回归:用于二分类的回归模型 ▫ 模型函数 ▫ 模型函数的来源 ▫ 二分类的优势 逻辑回归的目标函数和优化对象 ▫ 目标函数 ▫ 梯度下降过程 ▫ 逻辑回归梯度下降的实现 ▫ BGD 、SGD 以及 MBGD 从二分类到多分类 | 1 |
有监督模型(Ⅱ) 其他分类模型 | 介绍模型基本原理,特点和选择方法: ▫ 朴素贝叶斯 ▫ 决策树 ▫ SVM ▫ 提升树( optional ) | 2 |
编写梯度下降程序训练 线性回归和逻辑回归模型 | 2 | |
有监督模型(Ⅲ) 序列预测模型 | ▫ 马尔可夫链,马尔可夫过程 ▫ CRF & HMM 原理 ▫ 语音识别 ▫ 自动作曲 ▫ 自动写作 ▫ 实体识别 | 2 |
Sklearn 的使用方法 | 1 | |
数据工程(1) | ▫ 数据清洗 ▫ 数据归一化 ▫ 特征提取 ▫ 编码 | 1 |
训练分类模型 | ▫ 利用分类模型进行文本分类 | 2 |
CRF 实战 | ▫ 训练一个 NER 模型 | 2 |
无监督模型:聚类等 | ▫ Kmeans 等 ▫ 密度聚类 ▫ GMM ▫ PCA | 1 |
聚类算法实战 | ▫ 聚类 | 2 |
深度学习基础(Ⅰ) | 神经网络的历史与现状 全连接神经网络 ▫ 层级 ▫ 元素 ▫ 神经网络的训练目标 ▫ 神经网络的推断 ▫ 利用梯度下降算法训练神经网络 前向传播和反向传播 | 2 |
from scratch 编写程序,训练 FC 网络 | 3 | |
深度学习基础(Ⅱ) | 认识更多的神经网络 ▫ CNN ▫ RNN & LSTM ▫ Attention & Transformer 神经网络的应用 ▫ 图像 ▫ 语音 等等 | 1 |
深度学习基础(Ⅲ) | 模型训练方法: ▫ 数据预处理 ▫ 权重初始化 ▫ 优化算法 ▫ 正则化 ▫ 学习率和提前停止 | 2 |
人工智能系统 | ▫ 现阶段的人工智能系统——深度学习系统 ▫ 深度学习系统的资源需求( 计算资源、数据资源、人力资源 ) ▫ 深度学习框架的沿革与设计要点 | 2 |
深度学习训练框架 Tensorflow | 什么是深度学习框架 深度学习框架的作用 ▫ tensorflow 2.0 的使用 | 1 |
用 Tensorflow 训练多层 FC 网络 | 2 | |
NLP 基础(Ⅰ) | ▫ 什么是自然语言处理( NLP ) ▫ 自然语言处理的任务 ▫ 基于模型的自然语言处理 | 1 |
NLP 基础(Ⅱ) | ▫ word2vec ▫ bert | 2 |
文本分类的应用与神经 网络解决方案 | ▫ 文本分类的特征构建方法:词袋模型,TF-IDF,word2vec 等 ▫ 基于深度学习模型的文本分类:CNN + FC,BERT + FC 等 ▫ 文本分类数据准备:数据标注 ▫ 文本分类应用:邮件分类( 二分类 )vs 新闻分类( 多分类 ) | 2 |
数据工程( 2 ) 将文本转化为向量的方法 | embedding: ▫ 嵌入模型的进化方式 ▫ VSM ▫ Topic Model ▫ word embedding ▫ contextual embedding ▫ large language Model | 1 |
用 word2vec 和 BERT 进行 text embedding | ▫ 构造一个 word2vec 模型 ▫ BERT 预训练 ▫ 利用外部库去读取 BERT 预训练模型 | 2 |
文本相似度问题的 解决方案 | ▫ 文本相似度任务的应用场景( 智能对话 ) ▫ chart level ▫ word level ▫ sentence level ▫ paragraph level | 1 |
文本相似度计算的 性能问题 | ▫ 机器学习中的性能问题 ▫ 模型蒸馏 ▫ 量化 ▫ 剪枝 | 2 |
智能对话系统与虚拟 主播平台 | ▫ 智能对话系统架构 ▫ 自然语言理解模块 ▫ 知识库 ▫ 对话管理引擎 | 2 |
构建一个简易对话系统 | ▫ 分别使用分类模型和相似度模型识别用户意图 ▫ 根据意图返回对应答案 | 3 |
知识图谱导论 | ▫ 什么是知识图谱 ▫ 知识图谱的数据模型 ▫ 知识图谱的构建、存储和应用 | 1 |
知识抽取技术 | ▫ 实体抽取 ▫ 关系抽取 ▫ 联合抽取 | 2 |
DialogEngine 使用方法 | 1 | |
Virtual Anchor 使用方法 | 1 | |
SmartkG 的使用方法 | 1 | |
知识图谱前沿技术 | ▫ 知识图谱的研究和应用热点 ▫ 知识图谱应用案例 | 1 |
强化学习 | ▫ 强化学习概念 ▫ DQN ▫ Actor_Critic 模型 | 2 |
强化学习实战 | ▫ 让电脑自己玩贪食蛇 | 2 |
生成对抗网络( GAN ) | ▫ 生成对抗网络的概念 ▫ 模型的进化 ▫ 应用 | 2 |
GAN 实战 | 2 |
课程特色
多领域覆盖: 涵盖Python编程、数据分析、人工智能、自动化办公、算法与数据结构等多个领域,为学员提供全面而实用的技能。
前沿技术学习:重点关注人工智能、虚拟人物设计、AI生成技术等前沿领域,培养学员在数字时代的创新能力。
实践技能提升: 通过项目实战、案例分析等方式,强调实际操作与问题解决,使学员能够熟练应用所学知识。
问题解决思维培养: 着重算法与数据结构的教学,培养学员分析和解决问题的思维方式,提高编程能力。
综合能力提升: 所学知识体系跨学科,使学员具备全面综合应对复杂技术和业务挑战的能力。
人工智能是当今科技领域的热门话题,也是推动社会各行各业进步的重要力量。随着技术的发展,人工智能在现代社会的作用愈发重要。随着人工智能在各个领域都展现了巨大的潜力,从解决复杂问题到推动创新进步,掌握人工智能技能不仅提升个人能力,企业竞争力,还有助于参与和引领未来科技发展,推动社会进步。学习人工智能已经逐渐成为当代必备的重要能力。因此微软商用人工智能团队倾力开发了本系列课程,全面覆盖了人工智能领域,从基础概念到高级技术,揭示人工智能的核心原理和实际应用。本系列课程全面涵盖了自然语言处理、虚拟人与元宇宙、Python基础、数据分析、高效自动化办公、算法等多个领域。学员将深入了解自然语言处理技术、虚拟
总部位于新西兰的麦卢卡蜂蜜公司 Manukora 希望进入北美市场,但他们的品牌缺乏差异化,无法引起消费者的共鸣。 我们带领 Manukora 完成了完整的品牌重塑过程从市场研究、战略和定位开始,一直到设计和包装。 重新推出的产品还包括一个新的草本补充剂系列,将超级食品与麦卢卡蜂蜜相结合。 品牌重塑的核心组成部分是设想并推出新的草药补充剂系列。我们将新系列命名为以充分发挥源自超级食品Botanicals成分的产品的益处"Botanicals”液体麦卢卡蜂蜜配方的形式提供,满足了消费者对在旅途中或作为日常仪式的一部分享受方便形式的需求。
合作媒体: GOOGLE合作时间: 2021年至今
波特五力分析模型(Porter's Five Forces Model)是由迈克尔·波特(Michael E. Porter)于20世纪80年代初提出的,用于分析个行业的竟争态势和确定企业战略的框架。该模型认为,行业中存在着五种力量,这五种力量的综合作用影响着产业的吸引力以及现有企业的竞争战略决策。 这五种力量分别是: 1.同行业竟争者:指的是在同一行业内提供相似产品或服务的其他企业。这些企业之间的竞争通常涉及到价格、产品质量、市场推广、品牌塑造等方面。同行业竟争者的强度和数量直接影响着行业的克争格局和企业的市场份额。 2.潜在进入者:指的是那
BCG波士顿矩阵分析模型(Boston Consulting Group Growth-Share Matrix)是一种战略规划工具,由波士顿咨询公司(Boston Consulting Group)在20世纪60年代提出,主要用于分析一个企业的产品组合或业务组合,帮助企业决策者确定哪些业务应该重点投资,哪些业务应该保持现状,哪些业务应该缩减甚至退出。 波士顿矩阵通过两个关键维度--市场增长率和相对市场占有率,将企业的产品或业务划分为四个象限: 1.明星业务(Stars):位于高市场增长率和声相对市场占有率的象限。这些业务通常具有高增长潜力和良好的市场地位
SWOT分析方法从某种意义上来说隶属于企业内部分析方法,即根据企业自身的条件在既定内进行分析。SWOT分析有其形成的基础。著名的竞争战略专家迈克尔·波特提出的竞争理论从产业结构入手对一个企业“可能做的”方面进行了透彻的分析和说明,而能力学派管理学家则运用价值链解构企业的价值创造过程,注重对公司的资源和能力的分析。 SWOT分析,就是在综合了前面两者的基础上,以资源学派学者为代表,将公司的内部分析(即20世纪80年代中期管理学界权威们所关注的研究取向),与以能力学派为代表的产业竞争环境的外部分析(即更早期战略研究所关注的中心主题,以安德鲁斯与迈克尔·波特为代表)结合起来
PEST分析模型是一种宏观环境的分析方法,用于评估组织或行业所面临的外部环境因素。PEST是Political(政治)、Economic(经济)、Social(社会)和Technological(技术)的首字母缩写,这四个方面代表了宏观环境中的关键因素。
新媒体时代,面对严峻复杂的国际贸易形势,急需提升更高价值的线索为B2B出海企业带来新的商机,传统平台电商模式已经不适合B2B企业线上开发更多的订单,因此,B2B出海企业常面临以下问题:1.如何快速提升企业自身在全球行业的品牌影响力?2.如何触达优质采购商关键决策人,高效拓展国际业务新客户?3.如何有效了解国外新老客户经营实力、偿付能力,预防未知交易风险?4.如何保障国际贸易应收账款风险