AI算法深入研究能力指算法实用性、先进性、可拓展性，让学员掌握算法模型举一反三的技能
AI算法业务流处理能力指通过企业实战场景、业务流，对AI技术实战训练，解决实战业务流问题
科学计算库，特征工程，十大经典算法，主流应用领域，推荐系统，主流框架人工智能框架TensorFlow、Pytorch。
图像分类，目标检测和追踪，图像语义分割，场景文字识别，图像生成，人体关键点检测及标签识别，视频分类。
分词，命名实体识别，词性标注、句法分析、语义理解、信息抽取、机器翻译、文本摘要、问答系统、阅读理解。
进化学习、分布式机器学习、强化学习、立体视觉与SLAM、点云处理、对称权重与深度置信网络、模型可解释性，模型压缩，迁移学习，终身学习，元学习。
·Python基础语法·Python数据处理·函数·文件读写·异常处理·模块和包
1、掌握Python开发环境基本配置；2、掌握运算符、表达式、流程控制语句、数组等的使用；3、掌握字符串的基本操作；4、初步建立面向对象的编程思维；5、熟悉异常捕获的基本流程及使用方式；6、掌握类和对象的基本使用方式。
熟练掌握人工智能Python语言，建立编程思维以及面向对象程序设计思想，使学员能够熟练使用Python技术完成基础程序编写。
·面向对象·网络编程·多任务编程·高级语法·Python编程综合项目·Python数据结构
1、掌握网络编程技术，能够实现网络通讯；2、知道通讯协议原理；3、掌握开发中的多任务编程实现方式；4、知道多进程多线程的原理。
熟练使用Python，掌握人工智能开发必备Python高级语法。
·Linux·MySQL与SQL·Numpy矩阵运算库·Pandas数据清洗·Pandas数据整理·Pandas数据可视化·Pandas数据分析项目
1、掌握Linux常用命令，为数据开发后续学习打下的良好基础；2、掌握MySQL数据库的使用；3、掌握SQL语法；4、掌握使用Python操作数据库；5、掌握Pandas案例；6、知道会图库使用；7、掌握Pandas数据ETL；8、掌握Pandas数据分析项目流程。
掌握SQL及Pandas完成数据分析与可视化操作。
·机器学习简介·K近邻算法·线性回归·逻辑回归·决策树·聚类算法·集成学习·机器学习进阶算法·用户画像案例·电商运营数据建模分析案例
掌握机器学习基本概念，利用多场景案例强化机器学习建模。
·金融风控项目业务背景介绍·风控建模介绍·机器学习评分卡·金融风控特征工程·不均衡学习和异常检测·推荐项目数据采集·推荐系统召回业务·推荐系统排序业务·基于多路召回的实时推荐·推荐系统平台调度·推荐系统性能评估
1、掌握风控业务场景的常用指标；2、掌握评分卡的建模流程；3、掌握评分卡特征工程的常用套路；4、熟练运用机器学习算法解决风控业务场景下的问题；5、掌握多行业推荐业务；6、掌握推荐业务建模流程；7、掌握召回，排序基础算法；8、熟练运用机器学习算法解决推荐业务问题；9、掌握大数据计算框架基本使用。
1、掌握掌握金融风控或推荐系统项目2、掌握运用机器学习算法解决实际业务的分类、聚类、回归的问题
·深度学习基础·BP神经网络·经典神经同络结构（CNN&RNN）·深度学习多框架对比·深度学习正则化和算法优化·深度学习Pytorch框架·NLP任务和开发流程·文本预处理·RNN及变体原理与实战·Transformer原理与实战·Attention机制原理与实战·传统序列模型·迁移学习实战
·ChatGPT入门·ChatGPT原理详解·ChatGPT项目实战·基于大型预训练模型搭建聊天机器人·聊天机器人和问答系统
1、掌握大规模知识图谱技术与自然语言处理在多领域的应用2、掌握ChatGPT聊天机器人实战3、掌握基于大型预训练模型搭建聊天机器人4、熟悉端到端以及结合知识库的多轮多任务对话系统网络结构
·解决方案列表·项目架构及数据采集·命名实体识别·对话系统·项目架构·多模型预测·模型的迭代优化·模型的上线部署与总结·智能文本分类·模型上线
1、掌握自然语言处理项目，完成文本摘要或传智大脑项目2、掌握自然语言处理项目，完成智能文本分类或知识图谱项目3、掌握运用NLP核心算法解决实际场景关系抽取的问题
·机器学习核心算法加强·深度学习核心算法加强·数据结构与算法·多行业项目扩展·图像与视觉处理介绍·目标分类和经典CV网络·目标检测和经典CV网络·目标分割和经典CV网络
1、机器学习与深度学习核心算法，NLP经典算法，数据结构算法、Djkstra算法，动态规划初步，贪心算法原理，多行业人工智能案例剖析；2、经典卷积网络：LeNet5、AlexNet、VGG、Inception、GoogleNlet、残差网络深度学习优化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、YOLOV2、YOLOV。
1、掌握数据结构与算法，核心机器学习、深度学习面试题，助力高薪就业；2、掌握计算机视觉基础算法，诸如CNN、残差网络、Yolo及SSD。
·解决方案列表·项目架构及数据采集·人脸检测与跟踪·人脸姿态任务·人脸多任务·系统集成
1、人脸检测与跟踪解决方案；2、人脸多任务解决方案；3、人脸识别任务解决方案；4、系统集成解决方案；。
掌握人脸支付项目或智慧交通项目或实时人脸识别项目。
本项目利用深度学习技术，跟踪路面实时车辆通行状况，并逐帧记录不同行车道车流量数目。车辆自动计数系统由计数系统、图像抓拍系统、实时监控录像系统组成，可在视频看出每个车辆的连续帧路径。
1、Siamese系列模型2、yoloV3目标检测3、SORT/DeepSORT算法4、卡尔曼滤波目标位置优化5、匈牙利算法目标匹配6、相机校正方法
本项目可通过摄像头实时采集视频人脸数据，也可批量图片输入自动化识别人脸；本项目对视频可实现人脸的跟踪，并标注姓名、性别、情绪（开心、生气、自然）等信息；能对进入视频的陌生人报警。
1、EigenFace2、LBPH3、双属性图4、动态人脸定位5、活体检测6、柔性模型技术7、Gabor系数特征匹配8、隐马尔科夫模型的图像分割
中文标签化系统是NLP基础任务的综合系统，同时又是NLP应用的基础设施。根据文本信息，给出对应的预定义标签将能够有效的支持用户画像，推荐系统等。同时，对于高阶NLP任务，如对话，翻译，寓意蕴含等在语料分类上将有很大的帮助。
1、标签词汇知识图谱2、特征工程3、fasttext模型4、多模型训练与预测5、AI业务流调试6、Django后端服务搭建
推荐系统的在当下的火爆程度毋庸置疑，个性化推荐的需求也是每一个toC产品应该实现的目标。本项目推荐系统策略与图像与视觉处理相结合，深度解决互联网产业的推荐业务场景。
1、知识图谱构建双画像2、多召回策略3、召回金字塔4、基于人脸5、场景6、表情推荐方案
人脸支付项目是一个基于计算机视觉方向的人脸识别项目，该项目以支付系统为背景介绍人脸处理的整体流程。利用机器学习和深度学习的方法，针对摄像头捕获的视频图像，进行人脸区域检测，人脸跟踪，人脸姿态的检测，通过人脸矫正，人脸比对完成人脸的识别。
1、人脸检测的解决方案2、人脸姿态（欧拉角）检测3、人脸关键点识别4、人脸多任务（年龄，性别等）5、人脸特征对比
1、Hadoop分布式文件存储和计算2、Sqoop大规模数据迁移3、Lambda架构4、Flume数据采集5、Kafka消息队列6、Spark机器学习7、用户特征工程8、TFIDF、TextRank文本特征工程9、多路召回策略10、Wide&Deep深度学习模型
根据用户的历史行为，挖掘出用户的喜好，并为用户推荐与其喜好相符的商品或者信息。同时让一些有价值的信息能够到达潜在的用户之中。其中用户画像标签系统为推荐系统提供数据支持，商品推荐的Ctr/Cvr点击率/转化率预估系统为推荐系统推荐结果提供排序依据。
1、推荐系统项目业务背景介绍2、推荐系统架构3、企业级用户画像4、SparkMllib案例实战5、多路召回算法6、排序算法7、推荐系统指标评估
1、jieba分词2、skip-gram模型3、CBOW模型4、词嵌入原理word_embedding5、神经网络RNN-LSTM-GRU6、Seq2Seq模型完整搭建和训练7、astText+Attention注意力机制
金融风控项目搭建了整套金融风控知识体系，从反欺诈、信用风险策略、评分卡模型构建等热点知识，使得学员具备中级金融风控分析师能力。
1、常见信贷风险、金融风控领域常用术语2、信贷审批业务基本流程、ABC评分卡概念、正负样本定义方法等3、特征衍生、特征交叉、特征评估与筛选4、逻辑回归评分卡、集成学习评分卡、模型评价（KS，AUC），评分映射方法，模型报告5、样本不均衡的处理方法，异常点检测的常用方法
制定人工智能人才培养方案
达成AI项目资源深度合作
北京大学电子与通信工程硕士,多年开发经验,熟悉web后端,移动端,大数据,机器学习等技术,精通javaPython等常用开发语言,在多家软件公司担任高级工程师,项目经理,有新浪微博,中新网新闻发布系统等多个大型项目经验。
人工智能方向博士,微软AI课程导师;曾任职于多家世界500强公司及无人机行业领先企业的研发部门;授课经验丰富,精准把握方向,知识体系完备;开拓的国际视野,具有亚欧大陆、南北美洲等30余个国家的访学阅历。
Sklearn机器学习工具源码贡献者；GoogleTensorflow中文社区开发者；具有多年企业级AI项目开发经验，对推荐系统，NLP，知识图谱，问答系统有较深入研究。
毕业于哈尔滨工程大学，GIS行业工程实战专家，在图像分割、检测、追踪等方面有多年从业经历，参与多项国家级/部委级重大项目，具备丰富的工程落地经验。