華清遠見人工智能課程學什么？

在智能化時代背景下，華清遠見人工智能課程以其獨特的“4大階段+3大框架并行+大型綜合實戰(zhàn)平臺”的教學模式，全方位涵蓋人工智能領域的核心技術與應用場景。

華清遠見人工智能課程

4大階段+3大框架并行+大型綜合實戰(zhàn)平臺

1.了解AI技術體系

AI認知

人工智能介紹與發(fā)展

圖像-分類場景與案例

圖像-檢測場景與案例

圖像-分割場景與案例

NLP-文本預處理場景與案例

NLP-生成式對話場景與案例

環(huán)境搭建

環(huán)境與引DE認知與搭建

CPU/GPU/NPU環(huán)境熟悉

2.入門基礎學習

Python與庫

基本語法與使用

Numpy與矩陣

Pandas與數(shù)據(jù)處理

Matplotlib與繪圖設計

Pillow與圖像處理

隨機案例：繪制一顆愛心

隨機案例：成績分析和可視化

Python數(shù)據(jù)結(jié)構

運行效率與時間復雜度

分類與排序算法

樹與圖

隨機案例：成績排序可視化

Git使用與學習

搜索GitHub項目

基本Git操作

倉庫與分支管理

隨機案例：創(chuàng)建自己的開源項

3.系統(tǒng)知識體系

圖像認知與OpenCV

灰度與二值化

圖像旋轉(zhuǎn)與縮放

圖像矯正與仿射變換

圖像噪點消除與濾波算法

圖像形態(tài)學變換

直方圖與均衡化

隨機案例：顏色識別、道路邊緣檢測、快遞二維碼識別

深度學習框架基礎

PyTorch

TensorFlow

PaddlePaddle

張量與矩陣

框架的自動微分機制

計算圖

GPU的使用

隨機案例：加減乘

機器學習算法原理實踐

機器學習認識

Python的機器學習庫

K近鄰算法

線性回歸

激活函數(shù)與非線性化

邏輯回歸

支持向量機

貝葉斯

聚類算法

全連接神經(jīng)網(wǎng)絡

前向與反向過程

訓川練過程可視化

優(yōu)化器與優(yōu)化方法

欠擬合與過擬合

模型效果評估

隨機案例：分開兩個圓

卷積神經(jīng)網(wǎng)絡

計算機眼中的圖像

卷積為什么能識別圖像

池化為什么能增強特征

多通道卷積與偏置過程

經(jīng)典神經(jīng)網(wǎng)絡

實戰(zhàn)：人臉識別

循環(huán)神經(jīng)網(wǎng)絡

NLP的發(fā)展與技術棧

傳統(tǒng)的RNN

LSTM

Bi-LSTM

GRU

Transformer

ChatGPT的發(fā)展與技術棧

基礎與動機

Transformer架構

注意力機制

位置編碼

注意力掩碼

經(jīng)典神經(jīng)網(wǎng)絡

4.大型項目進階

PyQT開發(fā)與實踐

安裝與配置

組件的介紹與使用

信號與槽函數(shù)

PyQT的線程與進程

SQLite數(shù)據(jù)庫

PyQtGraph數(shù)據(jù)可視化

大模型部署與微調(diào)

LLM大語言模型介紹

經(jīng)典大模型

大模型的微調(diào)方法

LLM中attention的優(yōu)化

nlp評價指標

垃圾分類系統(tǒng)(3D場景)

3D場景數(shù)據(jù)交互

數(shù)據(jù)采集

數(shù)據(jù)增強與分類數(shù)據(jù)集制作

MobileNetV3的small與large

網(wǎng)絡fine-tuning

模型部署到場景

后端部署與前端檢測

工業(yè)流水線系統(tǒng)(3D場景)

3D場景數(shù)據(jù)交互

數(shù)據(jù)采集

目標檢測基礎知識

目標檢測發(fā)展與經(jīng)典神經(jīng)網(wǎng)絡

YOLO的發(fā)展與關鍵概念

數(shù)據(jù)增強與分類數(shù)據(jù)集制作

網(wǎng)絡fine-tuning

模型部署到場景

后端部署與前端檢測

智能駕駛系統(tǒng)(3D場景)

交通監(jiān)控分析

車輛違停檢測

道路邊緣和車道標線識別