培训中心

近期预告

2022三季度【职技证书|工信高级】人工智能应用工程师培训：C.组合班

【职业技术证书系列】

人工智能应用工程师培训

—C.组合班：机器学习、知识图谱、深度学习、强化学习、自然语言处理等五主题供选择

【赠送预习课程|发放职业技术证书】

【长期轮回开班|提供课件视频回看】

北京市计算中心有限公司作为工业和信息化部教育与考试中心认定的工业和信息化人才培养工程培训基地，该培训结束后通过统一考试的学员，可获得“工业和信息化部教育与考试中心”授予的职业技术证书。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。

证书等级：高级

预习部分：【视频课程|免费赠送】生物信息学Python语言实践（13章50节）

集中学习：提供机器学习、知识图谱、深度学习、强化学习、自然语言处理等相关主题的五个小班。每个小班两天线上直播，可根据自身需要选择两班及以上。

本期课程相关信息如下：

C1.Python快速入门机器学习--经典算法与应用案例实践班

本课程将重点介绍机器学习中的核心算法和理论（回归分析、支持向量机、决策树、随机森林、聚类等），并辅以相应的程序实践，帮助同学们更好的掌握这些经典算法。通过两天的系统学习加相应的案例实战，让学生初步理解主流的机器学习算法，并且可以用机器学习技术解决现实生活中的问题。

时间：2022年7月7-8日

形式：线上直播；理论+实践案例

注册费：2800元

内容：

² Python入门

² 机器学习算法入门

n 机器学习的定义

n Sklearn基本概念

n 回归分析

n KNN算法

n 朴素贝叶斯算法

² 机器学习算法进阶

n 支持向量机SVM

n 决策树

n 随机森林

² 机器学习算法及模型评价

n 聚类算法

n 降维（PCA）

n 模型评价

n 机器学习项目实践

课程内容详见：2022.7.7-8Python快速入门机器学习——经典算法与应用案例实践班

C2.知识图谱基础快速入门与案例应用实战班

课程以当前热点案例为开端深入浅出介绍了知识图谱技术与应用。课程内容包括神经网络技术，自然语言处理技术，实体挖掘与关系抽取，知识图谱的建模、存储、查询、检索，知识图谱的应用介绍，知识图谱在生物医学中的应用。

时间：2022年7月21-22日

形式：线上直播；理论+实践案例

注册费：2800元

内容：

² 认识知识图谱

² 知识图谱准备工作

n Python介绍

n 爬虫技术

n 数学知识回顾

n 知识表示方法

n 机器学习算法、LSTM与CNN方法介绍

n 自然语言处理相关概念

² 实体挖掘与关系抽取

n 领域短语挖掘的算法和统计指标

n 同义词挖掘

n 缩略词抽取

n 实体识别

n 关系抽取问题描述和评估方法

n 基于模式的抽取方法

n 基于学习的抽取方法

n 开放关系抽取

² 建模、存储、查询、检索

n 知识图谱的数据模型

n 数据的存储方式

n 查询语言

n 子图查询

n SQL语言介绍

² 图数据管理系统

n 图数据管理系统的基本架构和设计原则

n 典型的图数据管理系统

² Neo4j的使用

n Neo4j的介绍与安装

n 使用Neo4j创建知识图谱

n 用Python操作Neo4j

² 知识图谱的应用介绍

n 基于知识图谱的语言认知介绍

n 语言理解的挑战和任务介绍

n 实体理解的应用和基本模型

n 基于知识图谱的搜索与推荐

n 基于知识图谱做推荐时面临的挑战

² 知识图谱项目实战

课程内容详见：2022.7.21-22知识图谱基础快速入门与案例应用实战班

C3.深度学习与图像案例实践班

深度学习是一种对数据进行表征学习的方法，起源于神经网络，本课程介绍了基于深度学习技术处理图像的主要内容。包括图像数据理解与神经网络入门、图像分类、目标检测与图像分割。课程中提供了大量的案例以供学员参考。

时间：2022年8月11-12日

形式：线上直播；理论+实践案例

注册费：2800元

内容：

² Python入门

² 神经网络入门

n 单层感知机

n 前馈神经网络

n 误差后迭代神经网络

n 卷积神经网络（卷积、池化、dropout等的介绍）

n 经典深度学习网络结构：LeNet，AlexNet，VGG16，GoogleNet，ResNet等

² 图像识别任务分析与实战

n 图像分类

n 目标检测

n 实例分割

n 语义分割

n 选取示例实战（单层神经网络或线性回归问题）

² Pytorch使用

n Tensor以及相关的函数

n Autograd机制以及相关函数

n Torch.nn库

² 基于Pytorch框架图像分类

n VGG网络介绍

n 数据处理（读取数据、数据标注、数据校验、数据乱序、扩增）

n 模型设计（网络结构、损失函数、模型训练过程、评估、存储）

n 训练配置（学习率、优化算法、过拟合和欠拟合、计算机资源配置）

n 训练过程（评价指标、可视化）

n 模型保存

² ResNet详解

n 残差网络基础概念

n ResNet-50结构

n 本机配置计算试验

n 优化思想和优化方法

² Cuda与Cudnn安装配置

n 显卡配置及GPU加速原理

n Cuda安装

n Cudnn安装

n Pytorch开启Cuda加速api

² 目标检测

n 目标检测算法综述

n Pascal VOC数据集介绍

n Labelme、labelImg标注软件介绍与使用

² 基于Pytorch目标检测——Faster RCNN

n 以Faster RCNN为例训练

n 数据读取和预处理

n Faster RCNN模型设计思想

n 基本概念（边界框，锚框，交并比）

n 两阶段Anchor-Based方法

n 预训练模型

n 模型优化策略

² 基于Pytorch目标检测——YOLOv3

n YOLOv3网络结构

n YOLOv3检测流程

n YOLOv3训练、预测、评估

n 实战讲解

² 图像分割

n 图像分割简介

n 算法简介：FCN，U-Net，PSPNet，Deeplab

n 图像分割应用场景

² U-net网络

n U-net网络设计思想

n 构建U-net网络

n 模型可视化

n 评估指标与损失函数

n 算法优化和调参

n 医疗影像实战

² Deeplab系列算法详解

n DilatedConv原理和细节

n ASPP模块解析

n Dilated Backbone

n Deeplab V3详解

n Deeplab V3实战

n tensorflow、keras等框架的介绍

课程内容详见：2022.8.11-12深度学习与图像案例实践班

C4.人工智能——Python强化学习算法与应用案例实践培训班

随着深度学习技术的流行，深度学习中的一些主流技术，如深度卷积神经网络、序列建模、记忆管理等与强化学习在许多应用场景上出现了结合点，例如使用DQN实现AI自动玩FlappyBird。强化学习技术目前仍面临训练环境与计算能力的瓶颈，相信随着科技的进一步发展，在未来十年它一定会成为人工智能领域的核心技术之一。本课程通过理论与案例实践相结合的方法，让学习者可以从最专业的角度来接触强化学习，学会使用这种先进的人工智能技术来应用于实际工作和学习中。

时间：2022年9月1-2日

形式：线上直播；理论+实践案例

注册费：2800元

内容：

² Python入门

² 强化学习入门

n 强化学习基本概念

n 强化学习与其他机器学习的关系

n Gym实验环境基础知识

² 强化学习算法入门

n 马尔可夫决策过程

n 动态规划

n 蒙特卡洛方法

n 时序差分

² 强化学习算法进阶

n 值函数逼近(DQN算法)

n 随机策略梯度(REINFORCE算法）

n 确定性策略梯度(DDPG算法）

n AC算法及变种

² 强化学习综合实践

n 博弈强化学习

n 蒙特卡洛树搜索

n AlphaGo基本原理

n AlphaGoZero原理

课程内容详见：2022.9.1-2人工智能——Python强化学习算法与应用案例实践培训班

C5.人工智能——Python自然语言处理快速入门与案例应用实践班

Python是数据分析最常用的语言之一，自然语言处理是计算机科学领域与人工智能领域中的一个重要方向,实现人与计算机之间用自然语言进行有效通信的各种理论和方法。随着人机交互需求的日益增长，计算机具备处理当前主要自然语言的能力已经成为了一个必然趋势。本课程将通过案例实践操作的方式，让学员从实践中快速入门并深入了解这门语言学。

时间：2022年9月15-16日

形式：线上直播；理论+实践案例

注册费：2800元

内容：

² Python入门

² 爬虫基础

n Python中urllib和urllib2库的用法

n Python正则表达式

n HTTP与HTML基础介绍

n Request库、BeautifulSoup库介绍

² 文本资料读取与分析

n 语料库的获取与词频分析