当前位置: 首页 > 内训课程 > 课程内容
广告1
相关热门公开课程更多 》
相关热门内训课程更多 》
相关最新下载资料

人工智能——高级认证课纲

课程编号:40579

课程价格:¥19000/天

课程时长:10 天

课程人气:527

行业类别:行业通用     

专业类别:管理技能 

授课讲师:骆飞

  • 课程说明
  • 讲师介绍
  • 选择同类课
【培训对象】


【培训收益】



第1章 认知计算与大数据科学
1.1 数据科学简介
1.1.1 数据科学与相关学科
1.1.2 下一个十年的新兴技术
1.1.3 驱动认知计算的五种关键技术(SMACT)
1.2 社交媒体和移动云计算
1.2.1 社交网络和Web服务网站
1.2.2 移动蜂窝核心网络
1.2.3 移动设备和互联网边缘网络
1.2.4 移动云计算环境
1.3 大数据采集、挖掘和分析
1.3.1 海量数据的大数据价值链
1.3.2 大数据的采集与预处理
1.3.3 数据质量控制、表示和数据库模型
1.3.4 云分析系统的发展
1.4 机器智能和大数据应用
1.4.1 数据挖掘与机器学习
1.4.2 大数据应用概述
1.4.3 认知计算概述

第2章 智慧云与虚拟化技术
2.1 云计算模型和云服务
2.1.1 基于服务的云分类
2.1.2 云服务平台的多层发展
2.1.3 支持大数据存储和处理引擎的云平台
2.1.4 支持大数据分析的云资源
2.2 虚拟机和Docker容器的创建
2.2.1 云平台资源的虚拟化
2.2.2 虚拟机管理程序和虚拟机
2.2.3 Docker引擎和应用程序容器
2.2.4 容器和虚拟机的发展
2.3 云架构和虚拟资源管理
2.3.1 三种云平台架构
2.3.2 虚拟机管理和灾难恢复
2.3.3 创建私有云的Eucalyptus和OpenStack
2.3.4 Docker容器调度和业务流程
2.3.5 建立混合云的VMware云操作系统
2.4 IaaS、PaaS和SaaS云的案例研究
2.4.1 基于分布式数据中心的AWS云
2.4.2 AWS云服务产品
2.4.3 PaaS:谷歌AppEngine及其他
2.4.4 SaaS:Salesforce云
2.5 移动云与云间的混搭服务
2.5.1 微云网关的移动云
2.5.2 跨云平台的混搭服务
2.5.3 混搭服务Skyline的发现
2.5.4 混搭服务的动态组成

第3章 物联网的传感、移动和认知系统
3.1 物联网感知与关键技术
3.1.1 物联网感知技术
3.1.2 物联网关键技术
3.2 物联网体系结构和交互框架
3.2.1 物联网体系结构
3.2.2 本地定位技术与全球定位技术
3.2.3 传统物联网系统与以云为中心的物联网应用
3.2.4 物联网与环境交互框架
3.3 RFID
3.3.1 射频识别技术和标签设备
3.3.2 RFID系统架构
3.3.3 物联网支持的供应链管理
3.4 传感器、无线传感器网络和全球定位系统
3.4.1 传感器的硬件和操作系统
3.4.2 基于智能手机的传感
3.4.3 无线传感器网络和体域网
3.4.4 全球定位系统
3.5 认知计算技术与原型系统
3.5.1 认知科学和神经信息学
3.5.2 脑启发计算芯片和系统
3.5.3 谷歌大脑团队项目
3.5.4 物联网环境下的认知服务
3.5.5 增强和虚拟现实应用

第4章 NB-IoT技术与架构
4.1 NB-IoT概述
4.1.1 NB-IoT的背景
4.1.2 NB-IoT发展简史与标准化进程
4.2 NB-IoT的特性与关键技术
4.2.1 NB-IoT的特性
4.2.2 NB-IoT的基础理论与关键技术
4.3 NB-IoT与几种技术的对比
4.3.1 NB-IoT与eMTC技术的对比
4.3.2 NB-IoT与其他无线通信技术的对比
4.4 NB-IoT的智能应用
4.4.1 NB-IoT的应用场景
4.4.2 NB-IoT的应用范例
4.5 NB-IoT的安全需求
4.5.1 感知层
4.5.2 传输层
4.5.3 应用层

第5章 有监督的机器学习
5.1 机器学习简介
5.1.1 学习方式简介
5.1.2 主要算法简介
5.1.3 监督学习和无监督学习
5.1.4 机器学习主要流派
5.2 回归分析
5.2.1 简介
5.2.2 线性回归
5.2.3 逻辑回归
5.3 有监督的分类算法
5.3.1 最近邻分类
5.3.2 决策树
5.3.3 基于规则的分类
5.3.4 支持向量机
5.4 贝叶斯与组合算法
5.4.1 朴素贝叶斯
5.4.2 贝叶斯网络
5.4.3 随机森林和组合方法

第6章 无监督学习和算法选择
6.1 无监督学习简介和关联分析
6.1.1 无监督的机器学习
6.1.2 关联分析和频繁项集
6.1.3 关联规则的产生
6.2 聚类分析
6.2.1 聚类分析简介
6.2.2 K均值聚类
6.2.3 凝聚层次聚类
6.2.4 基于密度的聚类
6.3 降维算法和学习模型
6.3.1 常见的降维算法简介
6.3.2 主成分分析法 

咨询电话:
0571-86155444
咨询热线:
  • 微信:13857108608
联系我们