AI人(ren)(ren)工(gong)智能(neng)需(xu)(xu)要學(xue)哪(na)些課程？參加很大程度上是(shi)(shi)為(wei)了就(jiu)業，其實(shi)人(ren)(ren)工(gong)智能(neng)工(gong)程師如果想要獲得更高的(de)薪資還(huan)是(shi)(shi)需(xu)(xu)要掌握更扎實(shi)的(de)知(zhi)識基礎的(de)，目前AI人(ren)(ren)工(gong)智能(neng)比較火(huo)，但是(shi)(shi)切莫盲目跟風(feng)，AI人(ren)(ren)工(gong)智能(neng)學(xue)習還(huan)需(xu)(xu)要我們腳踏(ta)實(shi)地的(de)進行學(xue)習。

達內AI人(ren)工智(zhi)能培訓課程是符合企業需(xu)求的課程標準，提供實戰機會。那(nei)么達內AI人(ren)工智(zhi)能需(xu)要學哪(na)些課程？

達內AI人工智能培訓課程(cheng)學習內容第一步(bu)：Python核(he)心語言

1、Python核心

AI行(xing)業(ye)生態(tai)、Python技能矩陣、計(ji)算機核心架構、Python程序構成及運行(xing)原理、變量、賦(fu)值

數(shu)據(ju)與數(shu)據(ju)操作：核心數(shu)據(ju)類型(xing)(xing)、數(shu)據(ju)類型(xing)(xing)轉換、運算(suan)符(fu)

流程控(kong)制語(yu)句：分支語(yu)句、循環(huan)語(yu)句、循環(huan)嵌套、跳轉語(yu)句、pass語(yu)句

列(lie)表與(yu)元(yuan)組：基礎操(cao)作(zuo)、內存分(fen)配、動態擴(kuo)容原(yuan)理(li)、列(lie)表推(tui)導式、元(yuan)組解包、常用(yong)函(han)數字典(dian)(dian)：基礎操(cao)作(zuo)、內存分(fen)配、哈希算法(fa)、開發尋址、字典(dian)(dian)推(tui)導式、常用(yong)函(han)數容器(qi)綜合(he)訓練(lian)：列(lie)表與(yu)字典(dian)(dian)嵌套

函數：定義與(yu)調(diao)用(yong)、形參與(yu)實參、返回(hui)值、作用(yong)域、內存分配(pei)、設計原則(ze)復習與(yu)串講(jiang)：基本語法復習與(yu)串講(jiang)

2、面向對象程序設計

對象和類(lei)、內(nei)存(cun)分配、實例成(cheng)員(yuan)、類(lei)成(cheng)員(yuan)、跨類(lei)調用

MVC架構模式

封裝、單繼承(cheng)、多(duo)繼承(cheng)、多(duo)態、重寫、重載、設(she)計原(yuan)則

復習與串講：OOP復習與串講

3、Python高級

模塊與包、導入、常用(yong)模塊

異常處理、迭代器、生成(cheng)器

lambda表達式、高階函數、閉包函數、裝飾器(qi)

10、文件讀寫、with語句

復習與串講：高級(ji)語法復習與串講

階(jie)段(duan)項目實戰(zhan)：綜合(he)項(xiang)目：基(ji)于MVC架構與PyQT的(de)數瞰商智(zhi)運(yun)營系(xi)統(tong)

達內(nei)AI人工智能培訓課程(cheng)學(xue)習內(nei)容第二步(bu)：數據科學(xue)與商(shang)業智能

1、商業智能數據中樞(+Hive)

數(shu)(shu)據庫(ku)初(chu)識(shi)；數(shu)(shu)據定義語言：數(shu)(shu)據庫(ku)/數(shu)(shu)據表(biao)的創(chuang)建(jian)、查看、刪除、修改

數(shu)(shu)(shu)據操作與查詢：新增(zeng)、修改與刪(shan)除(chu)數(shu)(shu)(shu)據；數(shu)(shu)(shu)據基礎(chu)查詢、算(suan)(suan)數(shu)(shu)(shu)運算(suan)(suan)、條(tiao)件運算(suan)(suan)、where子句與邏輯運算(suan)(suan)

高級(ji)查詢(xun)(xun)(xun)：模(mo)糊查詢(xun)(xun)(xun)、限制查詢(xun)(xun)(xun)、聯合查詢(xun)(xun)(xun)、聚合查詢(xun)(xun)(xun)、子查詢(xun)(xun)(xun)、傳參(can)子查詢(xun)(xun)(xun)、表關(guan)聯

綜(zong)合案例(li)：教育機構數據查(cha)詢、企(qi)業員(yuan)工數據查(cha)詢；日期函(han)數與字(zi)符串函(han)數

窗(chuang)口函(han)數(shu)：統計類窗(chuang)口函(han)數(shu)、偏移函(han)數(shu)、排序(xu)窗(chuang)口函(han)數(shu)、分(fen)組(zu)函(han)數(shu)

自定義函數、存(cun)儲(chu)過程；企業實(shi)戰：日周(zhou)月包(bao)寬(kuan)表制作與指(zhi)標計算

綜合案例：依據業務規則的用戶分層與業務應用

A！大(da)模(mo)型-專題一：傳統(tong)SOL查詢(xun)vs智能增強査詢(xun)、高效SOL語(yu)句編(bian)寫、SOL查詢(xun)的驗證與(yu)優化、SOL查詢(xun)語(yu)法勘誤

概述(HDFS、MapReduce)、Hive數據模型(xing)(分區(qu)、分桶、外(wai)部表)

Hive復(fu)合類型訪問(wen)及(ji)函數(shu)(數(shu)組、字段(duan)和結(jie)構體的訪問(wen)及(ji)函數(shu))

綜合(he)案例：基于提高(gao)在線教育充課率的用戶成(cheng)長(chang)策(ce)略

階(jie)段項目：基于數據庫的電商銷(xiao)售管理系統(tong)

2、數據科學思維與工具

PowerBl介紹、數(shu)據(ju)(ju)清洗、數(shu)據(ju)(ju)建模、數(shu)據(ju)(ju)可視(shi)化

目(mu)標(biao)拆(chai)解(jie)：目(mu)標(biao)制定流(liu)程、月度(du)目(mu)標(biao)拆(chai)解(jie)、每日目(mu)標(biao)拆(chai)解(jie)、RFM用戶標(biao)簽

PowerBl可視化實(shi)踐：企業駕駛艙、門店經營分(fen)析、產品分(fen)析、用戶分(fen)析看板搭建

數據分析就業、職責與技能要求、數據(ju)分析步、思維與指標體系、DeepSeek在Office的部署

Excle數(shu)據(ju)(ju)分析基礎：自動(dong)填充、地(di)址引用、數(shu)據(ju)(ju)驗證、數(shu)據(ju)(ju)排序(xu)、數(shu)據(ju)(ju)篩選、條(tiao)件格式；數(shu)據(ju)(ju)處(chu)理(li)方法與業務場景：重(zhong)復數(shu)據(ju)(ju)、缺(que)失(shi)值數(shu)據(ju)(ju)一(yi)致性、異常值處(chu)理(li)、數(shu)據(ju)(ju)分列(lie)

基于函(han)數的(de)數據提(ti)取與(yu)表(biao)關聯：文本函(han)數、日期函(han)數、數學函(han)數、查(cha)找引用函(han)數、邏輯函(han)數；數據統(tong)計與(yu)分(fen)析：統(tong)計函(han)數、透視(shi)表(biao)與(yu)切片

數據可視化：圖表的基礎(chu)應(ying)用與高級應(ying)用；預測分析：數據相關性、線性型、時間序(xu)列模(mo)型

綜合(he)案例-職(zhi)業(ye)教育學科(ke)調整(zheng)決策輔助：數據分析(xi)步驟(zou)、數據處理(li)方法與函數、可視化看板搭建、項目報告撰(zhuan)寫、項目落(luo)簡歷

數據分(fen)析(xi)常(chang)用方法：描述性統計、分(fen)組分(fen)析(xi)、矩陣(zhen)分(fen)析(xi)、斗(dou)分(fen)析(xi)、RFM模(mo)型(xing)、帕累托分(fen)析(xi)、綜(zong)合分(fen)析(xi)、綜(zong)合案例(li)

AI大模型(xing),專題(ti)二：高效數(shu)(shu)據(ju)(ju)(ju)處理、數(shu)(shu)據(ju)(ju)(ju)統計、數(shu)(shu)據(ju)(ju)(ju)可視(shi)化、數(shu)(shu)據(ju)(ju)(ju)預測與業務診(zhen)斷AI大模型(xing)-專題(ti)三：競品分析與年度分析報告(gao)

達(da)內AI人工智能培訓(xun)課程學(xue)習(xi)內容第三步(bu)：機器學(xue)習(xi)與(yu)數據挖掘

1、科學計算庫

Numpy基本(ben)知(zhi)識：創(chuang)建Ndarray數(shu)(shu)(shu)組(zu)、數(shu)(shu)(shu)組(zu)性、數(shu)(shu)(shu)組(zu)操作、掩碼(ma)操作、統計函(han)數(shu)(shu)(shu)、算數(shu)(shu)(shu)函(han)數(shu)(shu)(shu)

Pandas基礎知識：創建Series、Dataframe、索(suo)引(yin)和(he)切(qie)片操(cao)作、布爾掩碼操(cao)作、標簽篩選操(cao)作、字符(fu)串操(cao)作、pandas獲取數據(excel,csv,sql等)

Matplotlib及(ji)Pandas可視化(hua)：Matplotlib基礎繪(hui)圖(tu)(tu)(tu)(tu)、Pandas數據可視化(hua)之折線圖(tu)(tu)(tu)(tu)、柱狀圖(tu)(tu)(tu)(tu)、餅圖(tu)(tu)(tu)(tu)、散(san)點圖(tu)(tu)(tu)(tu)、統計直方圖(tu)(tu)(tu)(tu)、箱(xiang)線圖(tu)(tu)(tu)(tu)、櫥率(lv)密度(du)圖(tu)(tu)(tu)(tu)、子(zi)圖(tu)(tu)(tu)(tu)

描述(shu)性分(fen)析及分(fen)組(zu)(zu)分(fen)析：描述(shu)性統計分(fen)析、探索(suo)性分(fen)析、分(fen)組(zu)(zu)聚合、數據透視表、交(jiao)叉(cha)表

數據預處理(li)：合并數據、清洗(xi)數據、標準(zhun)化數據、均值移除、范圍縮放、歸一(yi)化、獨(du)熱編碼(ma)、標記編碼(ma)、特征工程、正則、二手房源數據預處理(li)

2、Pandas項目實戰

【醫(yi)療行(xing)業項目(mu)實(shi)戰】朝陽醫(yi)院指標搭建(jian)及銷售數據匯(hui)總

【電商行業項目實戰】優衣庫銷售數據分析、4P分析法(fa)、目標額度分配

【金(jin)融行業項目實戰】銀行業電(dian)話營銷活動分析Pandas項目實戰

【通(tong)(tong)信(xin)行業項目實戰】通(tong)(tong)訊公司客戶(hu)響(xiang)應速度提升項目

【零售(shou)行業項目實戰】新零售(shou)超市經營(ying)分析、SWOT競品分析、活動分析

【互聯網(wang)行業項(xiang)目實戰】滴滴出行運(yun)營數據指標異常情況分析

【電商行業項目實戰】淘寶百萬級用戶行為分(fen)析、跨境電商年度復盤(pan)分(fen)析

3、Al數學基礎

【統計學基礎(chu)】統計學概述(shu)、概率(lv)分布、中心極限(xian)定理(li)、三大分布、參數(shu)估計、假(jia)設檢驗、ABTest

【線性代數】向量、矩(ju)陣(zhen)計算

【微(wei)積分】梯度、求導(dao)、偏導(dao)數

4、機器學習及數據挖掘

【機(ji)器(qi)學(xue)習概述】機(ji)器(qi)學(xue)習的(de)定(ding)義、分類、應用場景(jing)

【回歸(gui)(gui)問題(ti)-線(xian)(xian)(xian)性(xing)回歸(gui)(gui)】線(xian)(xian)(xian)性(xing)模(mo)型的定義(yi)、線(xian)(xian)(xian)性(xing)回歸(gui)(gui)、線(xian)(xian)(xian)性(xing)模(mo)型訓(xun)練方法(損失(shi)函數、梯度下降、學(xue)習率、偏微分)、梯度消失(shi)與(yu)梯度爆仨

【回歸問題-多項(xiang)式回歸】多項(xiang)式的定義(yi)、多項(xiang)式回歸、欠(qian)擬合(he)過擬合(he)、Lasso回歸與(yu)嶺(ling)回歸、回歸模(mo)型(xing)評價

【回歸問題案例】財政收入(ru)數據特征(zheng)選擇

【回歸問(wen)題-決策樹(shu)回歸】決策樹(shu)的(de)定(ding)義、決策樹(shu)回歸實現方法(fa)機器學習及數據挖掘

【分類問題(ti)-邏輯(ji)回(hui)歸(gui)】邏輯(ji)回(hui)歸(gui)定義(yi)、Sigmoid函(han)數、交叉熵、多分類實現

 【分類問題-SVM】支持向量機(SVM)原(yuan)理、核(he)函數(線性核(he)函數、多項式(shi)核(he)函數、徑向基(ji)核(he)函數)

【分(fen)類問(wen)題-樸(pu)(pu)素貝(bei)葉斯】貝(bei)葉斯定理、樸(pu)(pu)素貝(bei)葉斯分(fen)類器

【分類(lei)問(wen)題(ti)-決策(ce)樹(shu)】決策(ce)樹(shu)概(gai)述、信(xin)息熵(shang)、信(xin)息增益(yi)、增益(yi)率、基尼(ni)系(xi)數(shu)、ID3算法(fa)、C4.5算法(fa)

【分類綜合案例(li)】人(ren)力資(zi)源數據(ju)分析與挖(wa)掘

【集(ji)成(cheng)學習】CART和(he)集(ji)成(cheng)算法：Boosting/Bagging/Stacking、AdaBoost、GBDT、XGBoost、隨(sui)機森林

【聚(ju)(ju)類(lei)問(wen)(wen)題】距(ju)離(li)(li)算法(歐式距(ju)離(li)(li)、曼哈頓距(ju)離(li)(li)、切比雪夫距(ju)離(li)(li)、閔可夫斯基距(ju)離(li)(li))、聚(ju)(ju)類(lei)模型(xing)劃分、經典聚(ju)(ju)類(lei)算法(k-meansDBSCAN)、聚(ju)(ju)類(lei)問(wen)(wen)題評價指標(CH指數、輪廓系數)

【聚(ju)類問(wen)題綜合案例】航空公(gong)司客戶(hu)價值分析

【時間序(xu)列模型】ARMA/ARIMA

【模型評(ping)估與優化】分類問題評(ping)估方法(fa)、回歸問題評(ping)估方法(fa)、超參(can)數調優方法(fa)

【機器學(xue)習綜合案例】信(xin)用貸貸前審批(pi)項目、風控模型搭建、Smote算法

達內(nei)(nei)AI人工智能培訓課程學(xue)習內(nei)(nei)容第四步：深(shen)度(du)學(xue)習

1、深度學習基礎

【深(shen)度(du)學(xue)習(xi)(xi)基本(ben)理論】深(shen)度(du)學(xue)習(xi)(xi)概(gai)述(定義、優缺(que)點、與(yu)機器學(xue)習(xi)(xi)對比、課程內容與(yu)特(te)點、發展史)、感知機、神經網絡、激活函數(階(jie)躍函數、Siqmoid、tanh、Softmax)、損失函數(均方(fang)差、交叉熵)、梯(ti)度(du)下(xia)降、反向(xiang)傳播算法(fa)

【卷(juan)積神經(jing)(jing)網(wang)絡】卷(juan)積函數、卷(juan)積運算、CNN(卷(juan)積層(ceng)、激活層(ceng)、池(chi)化(hua)層(ceng)、全連接層(ceng))、經(jing)(jing)典(dian)CNN模型(xing)介紹(LeNet、AlexNet、VGG、ResNet)

【循環神(shen)經(jing)網絡】經(jing)典時間(jian)序列模型(xing)(RNN、LSTM)

【Transformer】注(zhu)意(yi)(yi)力/自注(zhu)意(yi)(yi)力機(ji)(ji)制(zhi)、多頭注(zhu)意(yi)(yi)力機(ji)(ji)制(zhi)、Transformer

2、計算機視覺(CV)

【計算機圖像(xiang)基(ji)本理論】計算機視覺概述、計算機成像(xiang)原理、采樣率(lv)與分辨(bian)率(lv)、灰(hui)度級與灰(hui)度圖像(xiang)、色彩空間

【圖像形(xing)態變(bian)(bian)換(huan)】算術計算(圖像加減法、圖像位運算)、坐標變(bian)(bian)換(huan)(旋(xuan)轉、平移、縮放、鏡(jing)像)、透視變(bian)(bian)換(huan)、仿射(she)變(bian)(bian)換(huan)、圖像腐蝕與(yu)脹、開運算與(yu)閉運算、形(xing)態學梯(ti)度

【圖(tu)像色(se)彩變換】顏色(se)空間變換、圖(tu)像灰度化(hua)處(chu)理(li)、二值化(hua)與反二值化(hua)、直(zhi)方圖(tu)與直(zhi)方圖(tu)均衡化(hua)處(chu)理(li)、顏色(se)通(tong)道操作(zuo)、色(se)彩提取

【圖(tu)像梯度處理】模(mo)(mo)糊與銳化(hua)、邊(bian)沿檢測、模(mo)(mo)板(ban)運算(圖(tu)像濾(lv)波)

【OpenCV圖像(xiang)預(yu)處(chu)(chu)理技術】OpenCV簡(jian)介(jie)與(yu)(yu)安(an)裝、圖像(xiang)色(se)彩操(cao)(cao)作(zuo)(zuo)與(yu)(yu)變換(huan)(huan)(灰度(du)化處(chu)(chu)理、顏色(se)通道操(cao)(cao)作(zuo)(zuo)、直方圖均衡化、色(se)彩提取、二值(zhi)化與(yu)(yu)反二值(zhi)化)、圖像(xiang)形態操(cao)(cao)作(zuo)(zuo)與(yu)(yu)變換(huan)(huan)(圖像(xiang)加減法(fa)、圖像(xiang)位運(yun)算、旋轉(zhuan)、平移、縮放、鏡像(xiang)、透視變換(huan)(huan)、仿射變換(huan)(huan)、圖像(xiang)腐蝕與(yu)(yu)膨(peng)脹、開運(yun)算與(yu)(yu)閉運(yun)算、形態學梯度(du))、圖像(xiang)梯度(du)(模糊(hu)與(yu)(yu)銳(rui)化、邊沿檢(jian)測(ce)、板運(yun)算)

【圖(tu)像技(ji)術(shu)與AI】圖(tu)像增強技(ji)術(shu)、圖(tu)像技(ji)術(shu)的局(ju)限

【綜合項目】通(tong)過透(tou)視變(bian)(bian)換(huan)進行圖(tu)像校正(zheng)(樣本分析、技術路線選擇(ze)、圖(tu)像灰度化處(chu)理、圖(tu)像平滑(hua)及邊沿(yan)檢測、輪廊與邊沿(yan)提取(qu)、計(ji)算(suan)生(sheng)標構(gou)建透(tou)視變(bian)(bian)換(huan)矩陣、執行透(tou)視變(bian)(bian)換(huan))

【綜(zong)合項目】集成(cheng)電(dian)路(lu)質(zhi)量檢測(ce)系統(tong)(樣本分(fen)(fen)析、技術路(lu)線選(xuan)擇、圖像(xiang)灰度化處理、二值(zhi)化處理、圖像(xiang)膨脹、圖像(xiang)填充、圖像(xiang)差異分(fen)(fen)析。瑕(xia)疵(ci)檢測(ce)與標(biao)記)

【PyTorch基礎(chu)】概(gai)述、體(ti)系結構、基本概(gai)念、張量操作(數(shu)據類型、常用屬性、類型轉(zhuan)換、形狀改(gai)變、數(shu)學計算)、ModuleList與Sequential、模型定義與保(bao)存

【PyTorch高級(ji)】模型保存與(yu)加載、數據讀取、文件(jian)隊列、文本文件(jian)/圖像(xiang)樣本讀取、樣本批(pi)處理

【綜(zong)合案例】搭建CNN網絡

【PaddlePaddle基(ji)礎】PaddlePaddle概(gai)述、體系結構(gou)、基(ji)本(ben)概(gai)念(Tensor、Layer、Variable、Program、Optimizer)、數(shu)據讀取(順序(xu)讀取器(qi)、隨機讀取器(qi)、批量讀取器(qi))

【綜合案例1】線性回(hui)歸

【綜合案例(li)2】多(duo)元(yuan)回歸(gui)案例(li)(波士頓房價預測)

【PaddlePaddleCV】圖像(xiang)分(fen)(fen)類問題櫥述、分(fen)(fen)類粒度、圖像(xiang)分(fen)(fen)類發展歷程(cheng)、圖像(xiang)分(fen)(fen)類的挑(tiao)戰、圖像(xiang)分(fen)(fen)類的應用、常用數據集(MNIST、IFAR10、ImageNet、FDDB、WIDERFace)

【綜合案例】使用(yong)CNN實現彩色(se)圖(tu)像分(fen)類、圖(tu)像數(shu)據標注、深度CNN搭建、模型參數(shu)調整

【圖像(xiang)分類優(you)化】樣本優(you)化、參數(shu)優(you)化、模(mo)型優(you)化

【目標(biao)檢測基(ji)本理論】櫥述(定義、核心問題、算法分類、應用)、TowSatege檢測技(ji)術(R-CNN、FastR-CNN、FasterR-CNN)OneStage檢測技(ji)術(YOLO1~YOLO11系列(lie)、SSD)、常用數據集、常用圖像標(biao)注(zhu)工具

【(圖(tu)像標注工具】Labellmg工具安裝、使(shi)用

【YOLO3模型實現】定義全局參數(shu)(shu)、日(ri)志工具、搭建darknet-53網絡模型、數(shu)(shu)據增強、損失函數(shu)(shu)、訓練(lian)、測試部分代(dai)碼

【YOLOv8模(mo)型(xing)(xing)(xing)實(shi)現】通過ultralytics框架實(shi)現數(shu)據準備、模(mo)型(xing)(xing)(xing)訓(xun)練、模(mo)型(xing)(xing)(xing)評估(gu)、模(mo)型(xing)(xing)(xing)推理、輸出模(mo)型(xing)(xing)(xing)。

【YOLOv11模型(xing)(xing)實(shi)現】通(tong)過ultralytics框架實(shi)現數據準(zhun)備、模型(xing)(xing)訓練、模型(xing)(xing)評(ping)估、模型(xing)(xing)推(tui)理、輸(shu)出(chu)模型(xing)(xing),

【綜合(he)項目】利(li)用目標檢測技術實現工(gong)業質檢(樣本分析、技術路(lu)線選擇、樣本增強、CNN模型搭建與訓練、參數調優、欠擬合(he)與過擬合(he)處理)

【綜合(he)項目】利用訓(xun)練好的YOLOv11模(mo)型，結(jie)合(he)PyQt5實(shi)現可視化模(mo)型推理界面，可以(yi)上(shang)傳(chuan)(chuan)圖片(pian)進行檢(jian)測(ce)(ce)、上(shang)傳(chuan)(chuan)視頻進行檢(jian)測(ce)(ce)、實(shi)時攝象頭(tou)進行檢(jian)測(ce)(ce)、檢(jian)測(ce)(ce)種類達(da)到(dao)80個類別

【OCR基本理論(lun)】OCR概述(shu)(定(ding)義(yi)、一般步、與目標檢測的區(qu)別、難點、評估指標、應用)

【CTPN模型】模型簡介(jie)、具體(ti)步驟、網絡結構、損失函數、性能、特點

【SegLink模(mo)型】模(mo)型簡介、網絡(luo)結構、Link與(yu)Segment、預測參數的表示、損失(shi)函數、性能(neng)、特點

【DBNet】基于圖(tu)像(xiang)分割的ORC簡介、模型結構、可微(wei)分二(er)值函(han)數、性能、特點

【CRNN+CTC模型】特(te)點、網絡結構、特(te)征提(ti)取、序列標注(zhu)、轉錄、網絡訓練(lian)、結論、編碼實現

【OCR模型(xing)優(you)(you)(you)化】數據優(you)(you)(you)化、模型(xing)優(you)(you)(you)化、參數優(you)(you)(you)化、集成學習(xi)、外部環境改(gai)善

【圖(tu)(tu)像分割(ge)(ge)】圖(tu)(tu)像分割(ge)(ge)概述、應(ying)用、圖(tu)(tu)像分割(ge)(ge)基(ji)本(ben)原理、全卷積網絡(FCN)、圖(tu)(tu)像分割(ge)(ge)數據集介紹(shao)、圖(tu)(tu)像分割(ge)(ge)標注工具介紹(shao)

【圖像分割(ge)經(jing)典模型(xing)】UNet模型(xing)(網絡結(jie)構、訓練細節、效果及特(te)(te)點)、MaSK-RCNN(主要(yao)思(si)想、網絡結(jie)構、損失函數(shu)、訓練細節效果及特(te)(te)點)、Deeplab系(xi)列模型(xing)(主要(yao)思(si)想、網絡結(jie)構、損失函數(shu)、訓練過程、效果及特(te)(te)點)、TransUNet(結(jie)合Transformer和UNet的圖像分割(ge)模型(xing))

3、自然語言處理基礎(NLP)

【NLP概述(shu)及基本概念】NLP簡介、定義、主要任務(wu)、發展歷程、困難與挑(tiao)戰

【NLP知識體系(xi)】數學(xue)基礎(chu)、NLP處理技(ji)術、機器(qi)學(xue)習(xi)模型、工(gong)具與框架、外(wai)部資源(yuan)(語料庫、詞(ci)典)

【NLP傳統(tong)處理技術】分(fen)詞(ci)、詞(ci)性標注、命名實體(ti)識別(NER)、關鍵詞(ci)提取

【綜合案例】垃圾郵件(jian)識(shi)別

【文本表示(shi)】獨熱表示(shi)(One-hot)、詞袋模型、TF-IDF、共現矩陣、詞嵌入(ru)

【語言模(mo)(mo)型(xing)】語言模(mo)(mo)型(xing)定義、N-Gram模(mo)(mo)型(xing)、神經(jing)網絡語言模(mo)(mo)型(xing)(NNLM)、Word2Vec、skip-gram(模(mo)(mo)型(xing)原理、負采樣)、CBOW

【綜合案例】利用(yong)(yong)Word2Vec訓練(lian)詞向(xiang)量【循(xun)環神經網絡】RNN(循(xun)環神經網絡)基(ji)本概念、RNN發展歷史、RNN基(ji)本框架、RNN典型應用(yong)(yong)、時間反向(xiang)傳播算法(BPTT)

【LSTM模型】LSTM(長短(duan)期(qi)記憶)模型基本概念、內部結構(輸入門(men)、遺忘門(men)、輸出門(men))

【注意力與Transformer】Seq2seq模(mo)(mo)型(xing)、注意力機(ji)制(zhi)(Attension)、Self-Attension、Transformer模(mo)(mo)型(xing)、模(mo)(mo)型(xing)預訓練(lian)與微調、BERT模(mo)(mo)型(xing)

【項目(mu)】基于Transformer的(de)翻譯系統(tong)

【大模型(xing)算法與(yu)原理(li)】GPT1/GPT2/GPT3、InstructGPT、ChatGPT、BERT、GPT與(yu)BERT的比較

【項目：快遞(di)單實體抽取】數據集介紹、深(shen)度學習NER思(si)想、數據標注(zhu)方法、代碼實現(xian)

達內(nei)AI人(ren)工智能(neng)培訓課程學(xue)習內(nei)容第五步：AIGC與大(da)模型(xing)

【大模型開發(fa)(fa)生(sheng)態介(jie)紹】大模型開發(fa)(fa)背(bei)景、大模型改進方向、主(zhu)流大模型對比(bi)、LLM應用三個(ge)層級、Langchain六(liu)大模塊介(jie)紹(I/0.Retrieval、chain、agent、memory、callback)

【DeepSeek大模型開發】DeepSeek開放平(ping)臺(tai)介紹、安裝(zhuang)SDK、創建應用、密鑰管理、調用LLM

【Prompt工程】Prompt工程介紹、Prompt調(diao)(diao)優、Few-Shot、One-Shot、LLM溫度調(diao)(diao)節、思(si)維鏈(lian)、進階技巧(自治性，思(si)維樹，提(ti)示詞(ci)注(zhu)入(ru)，入(ru)場攔截與(yu)出場攔截)

【Agent-上】agent介紹(shao)、code平臺介紹(shao)、搭建低(di)代(dai)碼代(dai)理

【Rag技術】檢(jian)索增(zeng)強生成介(jie)紹、向量數(shu)據庫ChromaDB

【千(qian)帆平臺】簡介介紹、知識(shi)庫搭建(jian)、完成推理、進階(jie)技巧(文本分(fen)割的顆粒(li)度、Rag改進)

【Fine-tuning】LLM微調發展(zhan)歷程、有監督微調和指令(ling)微調、輕量化(hua)微調(Lora、AdaLora、QLora)

【大模型項(xiang)目(mu)實戰】基于(yu)LLM的對話(hua)系統

達(da)內AI人工智(zhi)能培(pei)訓課程(cheng)學(xue)習內容第六步：就業訓練營

1、后端

網絡基本概念、UDP通信、三次(ci)握手(shou)和四(si)次(ci)揮手(shou)、TCP套接字(zi)

TCP處(chu)理細節、TCP協議(yi)、HTTP協議(yi)

多(duo)任務編(bian)程概念、multiprocessing創建進(jin)程

threading線(xian)(xian)程(cheng)模塊、線(xian)(xian)程(cheng)的(de)同步互斥、GIL問(wen)題

進(jin)程(cheng)線程(cheng)網絡(luo)并發模型，ftp文件服務器

Django安裝、路(lu)由(you)、URL配(pei)置、視(shi)圖處理、Http請求和(he)響(xiang)應、Content-Type類型

MVC與MTV設計模(mo)式、模(mo)板的(de)加載、模(mo)板的(de)傳參、模(mo)板變量、if標簽(qian)(qian)、for標簽(qian)(qian)

靜(jing)態(tai)文(wen)件、Django應用、分布式路由、模(mo)型、ORM、創建(jian)和使用模(mo)型、配置(zhi)數據庫、模(mo)型類、數據字(zi)段和字(zi)段選項、DjangoShel

通過(guo)模型增加、查詢、修改(gai)、刪除數據(ju)、F對象Q對象原生數據(ju)庫操作、SQL注入

Admin后臺(tai)管理、一(yi)對(dui)(dui)一(yi)映(ying)射查(cha)詢(xun)、一(yi)對(dui)(dui)多(duo)映(ying)射查(cha)詢(xun)、多(duo)對(dui)(dui)多(duo)映(ying)射查(cha)詢(xun)

Cookie和(he)Session、后端(duan)緩存(cun)、中(zhong)間件Middleware、電子郵件發送(song)、項目部(bu)署、WSG|配置、Nginx反向(xiang)代理、靜態文件收集

【原(yuan)生(sheng)框架(jia)部(bu)署案例】原(yuan)生(sheng)框架(jia)部(bu)署案例

2、Docker

【Docker基礎】Docker簡介、虛擬化、Docker安(an)裝與配置(zhi)、Docker鏡像、Docker容器(qi)

【Docker進階】Docker容器編排、Docker網絡、Docker部署AI模型(xing)

以(yi)上內(nei)容是達內(nei)AI人工(gong)(gong)智(zhi)能(neng)需(xu)(xu)要學的課程(cheng)(cheng)達內(nei)AI人工(gong)(gong)智(zhi)能(neng)培(pei)訓(xun)課程(cheng)(cheng)內(nei)容緊跟社會和時代(dai)的發展，培(pei)養企業所需(xu)(xu)的人工(gong)(gong)智(zhi)能(neng)工(gong)(gong)程(cheng)(cheng)師，如果你對于AI人工(gong)(gong)智(zhi)能(neng)培(pei)訓(xun)課程(cheng)(cheng)也感興(xing)趣可以(yi)聯系右側客(ke)服(fu)小(xiao)姐(jie)姐(jie)獲得免費(fei)試(shi)聽名(ming)額。