人工智能AI進(jìn)階年度鉆石會(huì)員
人工智能趨勢(shì)
  人工智能是當(dāng)前乃至未來(lái)時(shí)代熱門(mén)的技術(shù)之一，已在全球范圍內(nèi)掀起了研究與學(xué)習(xí)熱潮。人工智能連續(xù)四年成為大學(xué)最熱門(mén)專(zhuān)業(yè)?。?！ 課程知識(shí)體系完備，從簡(jiǎn)明的python語(yǔ)言開(kāi)始，到機(jī)器學(xué)習(xí)，再到AI的兩大應(yīng)用方向：計(jì)算機(jī)視覺(jué)（CV）和自然語(yǔ)言處理（NLP），幾乎包含了當(dāng)下AI就業(yè)市場(chǎng)的全部需求。同時(shí)，課程學(xué)習(xí)曲線設(shè)計(jì)平滑，根據(jù)學(xué)習(xí)者對(duì)知識(shí)的消化吸收情況，循序漸進(jìn)增強(qiáng)自身的AI技能。

學(xué)完收獲：

能夠熟練掌握Python開(kāi)發(fā)的通用技術(shù)和框架，具備人工智能領(lǐng)域內(nèi)機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理業(yè)務(wù)分析及開(kāi)發(fā)的能力，同時(shí)培養(yǎng)學(xué)生使用AI算法構(gòu)建業(yè)務(wù)流的能力和針對(duì)特定算法進(jìn)行實(shí)用化、拓展化的再創(chuàng)新能力，從而足以勝任算法工程師等相關(guān)AI職位。百萬(wàn)年薪不是夢(mèng)?。?！
實(shí)戰(zhàn)項(xiàng)目：
實(shí)時(shí)人臉識(shí)別檢測(cè)項(xiàng)目
本項(xiàng)目可通過(guò)攝像頭實(shí)時(shí)采集視頻人臉數(shù)據(jù)，也可批量圖片輸入自動(dòng)化識(shí)別人臉；本項(xiàng)目對(duì)視頻可實(shí)現(xiàn)人臉的跟蹤，并標(biāo)注姓名、性別、情緒（開(kāi)心、生氣、自然）等信息并能對(duì)進(jìn)入視頻的陌生人報(bào)警，通過(guò)對(duì)人眼狀態(tài)的監(jiān)測(cè)對(duì)疲勞駕駛發(fā)出警報(bào)，并能通過(guò)對(duì)深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，進(jìn)行活體檢測(cè)。
智能文本分類(lèi)系統(tǒng)
智能文本分類(lèi)系統(tǒng)是一款toB類(lèi)型的應(yīng)用, 解決泛娛樂(lè)領(lǐng)域公司內(nèi)部對(duì)文本分類(lèi)的需求, 用以支持推薦系統(tǒng), 精準(zhǔn)營(yíng)銷(xiāo)系統(tǒng)等, 它能夠?qū)⒏黝?lèi)非結(jié)構(gòu)化文本進(jìn)行精確分類(lèi)，打上一個(gè)或多個(gè)適合的標(biāo)簽.從系統(tǒng)本身角度: 系統(tǒng)內(nèi)包含很多NLP基礎(chǔ)任務(wù)的處理，比如分詞任務(wù)，命名實(shí)體識(shí)別任務(wù)等，又是機(jī)器翻譯，文本生成工作的基礎(chǔ)。因此，智能文本分類(lèi)任務(wù)是學(xué)習(xí)NLP的必經(jīng)之路。
項(xiàng)目亮點(diǎn)
     1.搭建多模型訓(xùn)練服務(wù),保證在訓(xùn)練過(guò)程中,進(jìn)行資源監(jiān)控和分配,得以高效率在有限資源內(nèi)進(jìn)行模型訓(xùn)練。
2.搭建多線程并行預(yù)測(cè)服務(wù),為了滿(mǎn)足性能要求,這里我們將利用多線程的方式,并對(duì)每一個(gè)獲得結(jié)果做最         后綜合處理。
3.圖譜權(quán)重更新,隨著模型的預(yù)測(cè)完成,將使用預(yù)測(cè)概率更新在該路徑權(quán)重,最后根據(jù)權(quán)重計(jì)算規(guī)則,
獲得最后結(jié)果。
4.使用n-gram特征工程,來(lái)捕捉詞序?qū)Y(jié)果的影響。
5.使用fasttext模型,適應(yīng)在語(yǔ)料變化大,模型數(shù)量規(guī)模大,模型上下線頻繁的場(chǎng)景。

智慧交通
汽車(chē)的日益普及在給人們帶來(lái)極大便利的同時(shí)，也導(dǎo)致了擁堵的交通路況，以及更為頻發(fā)的交通事故。智能交通技術(shù)已成為推動(dòng)現(xiàn)代技術(shù)交通技術(shù)發(fā)展的重要力量，智能交通不僅能夠提供實(shí)時(shí)的交通路況信息，幫助交通管理者規(guī)劃管理策略，而且還能優(yōu)化出行者的出行策略。還可以減輕交通道路的堵塞情況，降低交通事故的發(fā)生概率，提高道路運(yùn)行的安全系數(shù)。智慧交通項(xiàng)目利用深度學(xué)習(xí)技術(shù)，跟蹤路面實(shí)時(shí)車(chē)輛通行狀況，并逐幀記錄不同行車(chē)道車(chē)流量數(shù)目。車(chē)輛自動(dòng)計(jì)數(shù)系統(tǒng)由計(jì)數(shù)系統(tǒng)、圖像抓拍系統(tǒng)、實(shí)時(shí)監(jiān)控錄像系統(tǒng)組成，可在視頻看出每個(gè)車(chē)輛的連續(xù)幀路徑。該項(xiàng)目可拓展性強(qiáng)，可根據(jù)企業(yè)業(yè)務(wù)，外接計(jì)費(fèi)結(jié)算系統(tǒng)、LED顯示系統(tǒng)、語(yǔ)音播報(bào)系統(tǒng)、供電防雷系統(tǒng)等
項(xiàng)目展示：智慧交通技術(shù)架構(gòu)圖
項(xiàng)目亮點(diǎn):
1. 基于醫(yī)療知識(shí)圖譜的實(shí)體檢索技術(shù)。
2. 基于bert遷移學(xué)習(xí)的命名實(shí)體審核技術(shù)
3. 基于BiLSTM+CRF的命名實(shí)體識(shí)別技術(shù)
4. 基于微信公眾號(hào)和flask的模型部署服務(wù)

計(jì)算機(jī)視覺(jué)案例實(shí)戰(zhàn)
市場(chǎng)價(jià)值:
綜合運(yùn)用計(jì)算機(jī)視覺(jué)及圖像處理相關(guān)技術(shù)，并將其用于企業(yè)業(yè)務(wù)場(chǎng)景及工業(yè)檢測(cè)如場(chǎng)景識(shí)別，手勢(shì)姿態(tài)識(shí)別，畫(huà)風(fēng)遷移及生成，人體姿態(tài)估計(jì)等多方應(yīng)用案例，通過(guò)案例實(shí)踐，能夠熟悉深度學(xué)習(xí)主要及前沿網(wǎng)絡(luò)模型的架構(gòu)原理及在實(shí)際業(yè)務(wù)場(chǎng)景中的應(yīng)用，結(jié)合實(shí)踐掌握深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的應(yīng)用。
學(xué)習(xí)內(nèi)容:
1.視頻中場(chǎng)景識(shí)別案例

通過(guò)卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)場(chǎng)景識(shí)別，與傳統(tǒng)的人工特征SIFT, HOG形成鮮明對(duì)比，通過(guò)訓(xùn)練模型，提取圖片中的特征，組合出更的特征，最終實(shí)現(xiàn)場(chǎng)景識(shí)別，是前沿的場(chǎng)景識(shí)別方法，通過(guò)本案例，可牢固掌握Deep Learning的網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)據(jù)集增強(qiáng)方法，掌握CNN提取圖像特征和組合特征的特點(diǎn)并學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)提高模型容量和降低模型過(guò)擬合的方法。