- 运营秘籍——人工智能前景下客户联络中
- 基于人工智能的内容生成（AIGC）理
- 降本增效-人力成本分析和控制策略
- 薪酬绩效管理法律风险防范策略与案例分
- 产品经理必修课：用户需求分析与竞品P
- 销售团队问题分析与解决
- 人力资本效能分析与提升：打造价值链共
- VSM全面价值流分析与改善
- 培训需求分析与年度计划制定
- 腾讯产品用户研究与增长策略解析研修班
- 顾客满意服务与客户心理分析
- 岗位分析与岗位评价
- 银行客户经理如何搜寻、选择与确定目标
- 九型人格--识人用人与性格分析
- 市场分析与营销战略规划课程大纲
- 投资项目评估与可行性分析
- 零售行业运营管理与数据分析模型
- 消费者心理与行为分析
- 汽车生产管理事件因果分析技能
- 企业运营管理与数据分析模型
【培训收益】
一．人工智能技术和应用场景的介绍。
a)图像处理，图像识别
i.日常生活中的刷脸，人脸识别，火车进站等
ii.公安局的天网系统
b)语音处理，语音识别
i.科大讯飞语音输入法的场景
ii.搜狗智能机器翻译笔的应用场景
c)自然语言处理，文本挖掘
i.搜索推荐引擎的应用场景
ii.抖音推荐引擎的应用场景
二．常见人工智能的算法，主流的应用构建方法。
a)神经网络，神经元，感知机
b)卷积神经网络CNN
c)循环神经网络RNN
d)Transformer和Attention机制
e)图计算神经网络
三．主流机器学习框架介绍
a)谷歌公司开发的Tensorflow框架
b)脸书公司开发的Pytorch框架
c)微软公司开发的MxNet框架
d)百度公司开发的paddlepaddle框架
四．针对机器学习场景能够更好的应用相关工具进行分析与处理
a)图像识别的应用场景
i.人脸识别，车辆识别
ii.智慧课堂，智慧商店，智慧物流，智慧检测
iii.手机银行，支付宝刷脸支付
b)语音识别的应用场景
i.智能音箱，智能客服
ii.语音输入法，智能翻译
iii.声纹识别
c)自然语言处理的应用场景
i.搜索引擎—百度，搜狗，淘宝
ii.推荐引擎—今日头条， 抖音
iii.机器翻译—搜狗翻译笔，谷歌翻译
第二天上午：
腾讯智能音箱、腾讯智能问答技术案例
内容简介：
知识图谱（ Knowledge Graph）以结构化的形式描述客观世界中概念，实体及其关系，便于计算机更好的管理，计算和理解互联网海量文本信息。Topbase是由TEG-AI平台部构建并维护的一个专注于通用领域知识的知识图谱。其覆盖51个领域的知识，涉及226种概念类型，共计1亿多个实体，三元组数量达22亿多。目前，Topbase主要服务于微信搜一搜，信息流推荐以及智能问答产品。本次分享主要梳理Topbase构建过程中的重要技术经验，介绍如何从0到1构建一个知识图谱，希望对图谱建设者们能有一定的借鉴意义。
课程收益：
通过本课程，可以学习到：
1.知识图谱的基本概念和应用场景
2.知识图谱系统的整体技术框架
3.知识更新和知识抽取的关键技术
4.实体分类和实体对齐的关键技术
5.知识关联和推理的关键技术
课程大纲：
1.什么是知识图谱（Topbase）
2.知识图谱构建的整体框架
3.知识图谱的数据更新和抽取
4.实体分类和实体对齐
5.知识图谱的数据关联和推理
6.实体流行度计算
7.知识图谱的存储和查询
第二天下午：机器学习闭环系统设计方法
目 录
机器学习闭环系统设计方法 1
第一章. 机器学习和深度学习系统设计方法论 1
第二章. 机器学习和深度学习人工智能的常见开发流程 1
第三章. 机器学习的离线训练 1
第四章. 机器学习的在线预测 2
第五章. 机器学习模型的线上实时反馈机制 2
第六章. 人工智能整体是一个复杂，反馈的系统工程 2
第一章. 机器学习和深度学习系统设计方法论
a)机器学习和深度学习的概念和区别
b)人工智能算法工程师的日常工作流程
c)传统机器学习的系统设计方法
d)人工智能时代深度学习的系统设计方法
第二章. 机器学习和深度学习人工智能的常见开发流程
a)洞悉公司业务业务逻辑痛点，抽象出计算机解决方法方案
b)数据清洗和预处理
c)构建数据集，数据特征工程
d)模型选择，模型训练，模型评估，模型测试
e)开线效果评估
f)线上开发性能测试，运行上线
第三章. 机器学习和深度学习实用环境搭建方法和实践
a)以做NLP的文本分类项目为例
b)安装相应的环境依赖的python工具包，如sklearn，keras，numpy，pandas等
c)安装深度学习框架，安装tensorflow或者pytorch
d)安装GPU显卡加速支持的驱动，如cuda驱动等
e)从业务拉取数据，构建数据集，数据特征工程
f)选择合适的算法模型，进行训练，观察每一轮训练的准确率和召回率
g)进行训练过后的效果评估
第四章. 机器学习的离线训练
e)模型选择的标准
f)网格搜索，交叉验证法，留出法
g)面临的问题：类目样本不均衡，样本数量不够，样本质量不佳，如何解决？
i.类目不均衡：Facol Loss
ii.样本数量不够：数据增强
iii.样本质量不佳：
h)模型衡量标准：准确率，召回率，F1，AUC和ROC的概念
第五章. 机器学习的在线预测
a)高并发，低延时
b)灰度测试，A/B Test 分桶对比
c)效果好坏标准：CTR点击率，平均停留时长，PV/UV变化等
第六章. 机器学习模型的线上实时反馈机制
a)在线实时反馈
b)在线学习微调机制
第七章. 人工智能整体是一个复杂，反馈的系统工程
中国科学院计算机博士，腾讯人工智能高级算法研究员
Ø 毕业于中国科技大学计算机系，获得博士学位
Ø 曾任百度公司搜索引擎高级工程师，凤巢广告竞价系统技术负责人
Ø 曾任搜狗公司搜索引擎算法高级研究员
Ø 现任腾讯公司人工智能，深度学习，数据挖掘大数据处理高级算法研究员
胡老师曾在多家大型互联网公司总部工作，有丰富的互联网大数据，机器学习，数据挖掘以及人工智能方面的实践知识和项目案例。
主导研发了百度公司新一代凤巢广告竞价系统，在全国中小企业广告主在互联网公司投放广告策略技巧方面有很深造诣
主要负责搜索引擎的研发，以及信息流广告产品的展现策略和架构的设计，对全国中小型企业和公司在互联网行业的广告投放策略和流量管理，都有丰富的经验。
主导研发了百度公司国际化战略的日文搜索引擎系统
主导开发了腾讯公司的腾讯新闻APP客户端等信息流产品。
胡老师总结了近十年以来在一线互联网公司的大数据，人工智能，数据挖掘以及机器学习等实践经验，对中国的互联网高科技发展方向深耕多年，对全国中小型企业转向互联网+战略方向，以及互联网营销方面，总结出了一套关于民营企业拥抱与转型互联网+的世界观和方法论
主讲课题：
《生物识别》
《大数据技术与应用》
《智能语音技术的深度解析》
《机器学习常见算法以及实践项目》
《人工智能产品分析和工程架构思考》
《人工智能产品管理和产品设计方法》
《人工智能可用性研究以及业务场景探索》
-
课程背景：人工智能时代已经开启，其中物联网技术的运用就是最新尝试。将成为继互联网之后下有一个万亿级数的产业。本课程详细介绍物联网及人工智能的现状、发展、案例和技术发展。课程目标：1.了解物联网及可人工智能的基本知识2.物联网及人工智能核心技术和解决方案课程形式：以讲授为主，结合案例分析、视频观赏等形式。课程大纲：一、物联网..
人气：666
-
大数据及人工智能背景下消费和小微信贷线上获客、产品设计、风控应对策略
第一部分：金融科技发展状况的介绍一、金融科技的现状与发展趋势（一）宏观背景1、金融科技（支付宝人脸识别技术、APPLEPAY、虹膜技术、二维码支付技术）2、利率市场化3、金融脱媒（二）移动互联技术的发展使互联网金融成为可能1、移动互联网技术2、移动支付技术3、H5、APP（三）互联网金融对传统银行资产业务的颠覆和冲..
人气：672
-
第一章：人工智能概述（约1.5小时）第1节、 人工智能概述1、 人工智能发展史2、 人工智能关键技术3、 人工智能新型产业4、 传统产业智能升级5、 智能社会6、 高效智能社会服务7、 社会治理智能化8、 智能制造9、 小结第二章：人工智能产业机遇（约1.5小时）1、 人工智能产业链2、 人工智能赋..
人气：1190
-
软硬件维度划分第一类，以硬件为主，银行的核心应用第二类，以软件为主，银行核心应用第三类，以硬件为主，非核心应用第四类，以软件为主，银行的的非核心应用业务场景维度划分 图像识别维度：人脸识别，远程支付，远程业务，刷脸支付，身份证识别，OCR技术 语音识别维度：智能客服机器人，智能语音导航，智能营销催收机器人 自然语言..
人气：1038
-
一．人工智能技术和应用场景的介绍。a)图像处理，图像识别i.日常生活中的刷脸，人脸识别，火车进站等ii.公安局的天网系统b)语音处理，语音识别i.科大讯飞语音输入法的场景ii.搜狗智能机器翻译笔的应用场景c)自然语言处理，文本挖掘i.搜索推荐引擎的应用场景ii.抖音推荐引擎的应用场景二．常见人工智能的算法，主流的应..
人气：1092
-
第1 章 人工智能时代的产品思考1 人工智能的发展和定义1 人工智能产品2 体系――人工智能产品框架3 基础――数据的进化4 方法――人工智能领域的研究方法5 商业――人工智能时代的商业模式第2 章 无行业不智能1 互联网的行业认知1 互联网时代的下半场――产业互联网的兴起2 产业互联网的行业属性2．1 产品需..
人气：747
