人工智能,AI时代的必修课
随着AI时代到来,人工智能成为热门技术方向之一。飞速发展的行业
使人才需求越来越大,薪资随之水涨船高。但由于技术更新快,教育
资源有所滞后,真正符合市场需求的人才培养仍面临巨大挑战。
高质量人才缺口大
市场需求大
热门技术薪资高
急需优质教育资源
为迎合人工智能行业飞速发展,市场存在许多“快餐式”人才培养,而具备体系技术能力的人才高度稀缺。
-
"快餐式"人才特点
基础性技术岗位
可替代、可复制
机械执行,缺乏开发思维
晋升难,行业局限性
-
高素质人才特点
具备完整的开发思维
开发能力可迁移,无行业限制
符合市场人才需求标准
职场晋升快
国家、企业、资本三方力量催化下,人工智能逐渐深入千行百业;同时技术不断进步、应用不断拓展,使人工智能成为近年最缺人行业之一。
-
国家政策
国务院印发《新一代人工智能》发展规划、《高等学校人工智能创新行动规划》、国家新基建、“智造大国”建设。
-
企业投入
国内小米、百度、腾讯、京东、字节、美团等互联网巨头,纷纷布局人工智能。
-
资本倾斜
据工信部数据显示,截止2022年6月,我国人工智能企业数量超过3000家,产业规模超4000亿元。
人工智能作为当下热门技术之一,月平均薪资可达20.5k。其中,薪资20-30k人数最多,占比33.4%。
目前人工智能培养主要以高校、培训机构为主,但由于资源有限、市场资本催化等因素,仍存在许多不足。
-
高校传统教育
?9?9 重理论,轻实践
?9?9 实验资源更新滞后
?9?9 缺乏项目经验
“伪”AI人才培训
?9?9 完全迎合“快餐”需求
?9?9 课程单薄、片面
?9?9 就业面窄
-
优质教育资源
?9?9 课程体系全面
?9?9 理论+实战
?9?9 就业面广,难替代
这门课适合谁学?
-
在校学生本科/研究生及以上
理工科相关专业背景,
且自身有计算机、数学
等专业基础。
-
IT转行传统互联网岗位
职业到达瓶颈,初级程 序员可复制性高,无行 业市场竞争力。
-
能力提升架构师/算法工程师/CTO
研发大牛,需要人工智能算法与大数据,提升技术 广度与深度。
-
兴趣驱动实践意识/创新思维/热爱人工智能
对人工智能感兴趣,并 有一定的学习动力和自 主学习能力。
打破行业壁垒,培养技术人才
“可迁移能力”
-
边练边学,培养开发思维
应用场景中教学
案例融入知识点
注重方法论教学
培养开发思维
不同框架对比学习
就业面更广
注重AI+
与其它技术融合
-
实战主导,配套充足资源
自研元宇宙实验平台
大型项目高仿真
充足的实战资源
拒绝纸上谈兵
课程直接配套实操平台
理论+实战,4大阶段层层递进
培养AI开发思维
理论打底,实战巩固,打造真正掌握人工智能技术的人才
01基础理论
02核心课程
03 深度课程
04进阶实战
-
01
人工智能引入与课程整体介绍
人工智能的认知与介绍
学习阶段概览与语言工具介绍
人工智能工具环境介绍-学习环境介绍
-
02
Python的基础语法
认识Python
Python的基础语法
运算符
输入与输出
数据类型转换
条件语句
Python、Anaconda与Pycharm的关系
Python3.10的match...case
while循环语句
for循环语句
循环的控制与综合练习
数据类型-数字型
数据类型-字符串
数据类型-列表
数据类型-元组
数据类型-集合
数据类型-字典
-
03
python高级技巧
函数的基本概念与使用
Python的类
模块与包
异常处理机制
迭代器与生成器
正则表达式
多进程与多线程网络编程
网络编程
文件操作与MQTT
-
04
线性代数与Python第三方库
人工智能中的线性代数
Numpy库
pandas库
Matplotlib库
-
05
数据结构
数据结构概念与引入
数据结构之链表
数据结构之栈
数据结构之队列
哈希表
递归
线性查找与二分查找
基本排序与高级排序
-
06
Git教程
Git教程导学
Git教程练习
-
01
人工智能的微积分基础
人工智能的微积分引入
人工智能的微积分基础
-
02
图像认知与OpenCV
计算机眼中的图像
灰度化
二值化
自适应二值化
形态学变换
图片颜色识别
图像颜色替换
ROI切割
图像旋转
图像镜像旋转
图像缩放
图像矫正
图像添加水印
图像噪点消除
图像梯度处理
图像边缘检测
绘制图像轮廓
凸包特征检测
图像轮廓特征查找
直方图均衡化
模板匹配
霍夫变换
图像亮度变换
-
03
基于传统视觉的简单的
车道线检测与自动驾驶
3D智能驾驶系统场景介绍
获取场景图片数据
MQTT通信协议介绍
MQTT通信代码介绍
视角透视
形态学变换
车道线检测代码讲解
实时车道线检测
PID控制小车高速路巡航
-
04
机器学习算法原理与实践-入门
机器学习介绍与定义
KNN与决策边界
距离计算方式
使用数学方法实现KNN
前向传播与损失函数
反向传播的学习率与梯度下降
自求导的方法实现线性回归算法
深度学习框架PyTorch的tensor
基于PyTorch框架的线性回归
基于TensorFlow框架的线性回归
基于PaddlePaddle框架的线性回归
-
05
概率论与统计
概率论与统计(上)
贝叶斯原理与实践
概率论与统计(下)
贝叶斯案例与实践
贝叶斯多分类实践
-
06
机器学习算法原理与实践-深化
曲线拟合与非线性化
激活函数
极大似然估计与交又熵损失函数
逻辑回归与二分类问题
基于框架的逻辑回归
-
07
深度学习基础与实践
全连接与链式求导法则
Softmax与交叉熵
优化器和优化方法
神经网络的可解释性与欠拟合
神经网络的过拟合
正则化
神经网络的过拟合解决方案
深度学习回顾与任务
-
01
卷积神经网络
计算机眼中的图像
卷积为什么能识别图像
池化为什么能增强特征
多通道卷积与偏置过程
LeNet-5
-
02
视觉经典神经网络
AlexNet
VggNet
GoogLeNet
ResNet
MobileNetV1
MobileNetV2
MobileNetV3
-
03
NLP-循环神经网络
DNN的时序预测与缺陷
RNN为什么能体时序预测
RNN的梯度消失和梯度爆炸
WordWordEmbeddg词嵌入
Word2Vec
Word2Vec优化
LSTM:长-短期记忆网络
BiLSTM
门控循环单元
-
04
Transformer
Encoder-Decoder
注意力机制引入
注意力机制
点积注意力为什么需要缩放
soft-attention
self-attention
mult-headattention
绝对位置编码
相对位置编码
旋转位置编码
Layer-Normaliaztion
Attention中的mask
Transformer
-
05
语音场景与认识声音
认识模拟声音与数字声音
声音时域与频域转换
声音的mel特征提取
-
06
生成式人工智能
生成式人工智能历史与发展
大语言模型和大模型
如何使用现成的大模型(提示词能力)
-
01
PyQT课程
记事本实现--QMainWindow
文件浏览器
多媒体
事件
网络编程
PyQT中多线程
PyQT数据库
文件浏览器
多媒体
事件
网络编程
PyQT中多线程
PyQT数据库
-
02
数据集标注与制作
数据集标注与制作imglabel介绍
数据集标注与制作labelme介绍
动手制作一些简单的数据集
-
03
工业流水线产品分类
3D智能驾驶系统场景介绍
获取场景图片数据
MQTT通信协议介绍
MQTT通信代码介绍
视角透视
形态学变换
车道线检测代码讲解
深实时车道线检测
PID控制小车高速路巡航
-
04
工业流水线产品实时检测
目标检测基础知识:目标检测概述
目标检测基础知识:目标检测的挑战
目标检测基础知识:目标检测的评估指标
目标检测发展与经典神经网络:RCNN
目标检测发展与经典神经网络:fastRCNN/fasterRCNN
目标检测发展与经典神经网络:SSD
YOLO1/2/3/5/8的发展与关键概念:YOLO的起源和原理
YOLO1/2/3/5/8的发展与关键概念:如何将目标检测问题转化为一个回归问题
YOLO1/2/3/5/8的发展与关键概念:一阶段(One-Stage)检测方法
网络结构解析
全卷积网络(FCN)
多尺度特征融合
非极大值抑制(NMS)算法
多尺度特征图
损失函数
模型部署到场景(桃子)
甲骨文检测
-
05
目标分割的原理与实战
分割算法的原理
语义分割1
实例分割、分割算法经典神经网络
分割案例1
-
06
垃圾分拣实时监测
数据采集与标注
基于YOLOV8实现垃圾分拣
模型部署到场景
-
08
大模型的RAG、微调与Agent
大模型的微调手段与优缺点
大模型的知识检索增强介绍
大模型的知识检索增强实践,实现
一个垂直领域大模型
大模型的agent智能体
大模型接入3D场景
-
07
大模型的部署与上线
Huggingface详细介绍与使用
了解与部署ChatGLM
了解QWEN
部署QWEN
部署本地大模型和知识库
大模型部署和推理框架 Xinference
-
09
算法的NPU终端移植
Linux常用命令
基于3588的NPU进行移植(1)
移植YOLO的全过程(1)
耗时5年研发人工智能在线实验平台打造身临其境实战环境
采用创新教学模式,将理论知识变得直观生动,同时
为理论知识的应用提供了项目开发与实践的学习系统
组件化拖拽式编程
结果实时展示
组件参数交互
代码自动生成
机器视觉3D场景
NLP/语音3D场景
智能分拣综合场景
大模型AIGC综合场景
自动驾驶综合场景
机器视觉
从机器视觉角度,具像化解析图像处理、特征提取的过
程,真正去理解和掌握机器视觉中的图像认知
项目:批量制作毕业证、基于AI开放平台的图片识别
NLP循环神经网络
展开NLP循环神经网络学习涉及的关键步骤,覆盖从数据预处理到模型部署的整个过程,同时细化算法原理流程,最终达到可视化结构的区别与先进性的能力。
项目:从零开始手写GPT
机器学习
通过结合概率论,实现传统机器学习的相关算法,并大量地通过组建算法呈现内在的实质与前后关系的联系,为深度学习打下结实的基础
项目:房价线性回归预测、鲍鱼年龄预测、共享单车租赁预测、垃圾邮件分类、乳腺癌分类、糖尿病预测、鸢尾花分类、红酒品质分类、足球水平聚类、用户画像聚类、葡萄干品质分类、蘑菇毒性分类
CV-NLP-Transformer
从Encoder-Decoder结构到注意力机制,从位置编码到LN,分步骤、分知识点的拆分Transformer的具体结构,并且通过张量维度变化,实现Transformer原架构的搭建与认知。
项目:花卉分类、蜜蜂蚂蚁分类、水果分类、中文手写体识别
CV-卷积神经网络
从可视化入手,解析卷积能够更好识别的图像的原因,结合池化,多通道卷积等,搭建卷积神经网络的基础认知与概念。
项目:手写数字识别、人脸识别、猫狗识别、汽车分类、动物分类、人脸识别
视觉经典神经网络
虚拟仿真系统通过搭建经典神经网络的结构,设置对应的卷积、池化、激活函数的参数以及张量大小,实现经典神经网络的结构复现,并掌握其优势。
项目:商品情感分类、风电功率预测、人名归属于国籍分类、小说续写。
深度学习基础
分析从2012年到目前的所有算法的共性结构,即MLP多层感知机。深挖深度学习不同算法的共性知识点,并展示数据特征、网络特征、结果特征的可视化教学。
项目:游戏是否能吃鸡预测、PM2.5预测
综合项目应用场景
虚拟仿真系统预设了多个具有代表性的综合项目,将理论知识与实际应用相结合,验证整合知识点解决问题的能力,通过解决实际问题来深化对人工智能原理和方法的理解。打造以实践导向的学习模式。
项目:工业流水线智能分拣、垃圾分类、自动驾驶、大模型部署
元宇宙人工智能在线平台优势
一次性解决人工智能学习3大难题
算法难
采用“可视化算法”教学模式,将算法过程封装,动态解析代码,按搭积木式组合让用户可视化理 解算法原理,构建整体思维,深入学习。
以深度学习的本质为例,通过传统学习方式学习一般需要2~3天,但使用人工智能在线实验平台只需要半天。
编程难
采用“代码自动生成”教学模式,Python代码自动生成,根据封装好的组件自主学习代码,代码资源可以迁移到硬件平台或虚拟场景中验证。
应用场景难
采用“3D应用场景案例实战”教学模式。逻辑与算法可接入系统里预设的3D场景中,实现可视化交 互体验,打造人工智能沉浸式实操环境。
3D仿真交互式综合项目
沉浸虚拟仿真实验环境,互动学习深化知识理解与技能提升
激发学习热情与创新思维
工业流水线智能分拣
预设工业流水线场景,将待分拣物品输送到分拣系统,可以自行设计规则和算法,将物品分配到正确的下件系统,训练规则和算法越优,越能够实现高速、准确、自动化的分拣处理。
自动驾驶
预设自动驾驶的道路场景,感知与识别环境信息与道路信息,完成决策与规划算法部署,通过类PID算法控制车辆姿态进行自主导航与智能交互。
从零开始手写GPT
深入挖掘从transformer到大模型的历史变迁及技术栈的迁移,带领大家从零开始搭建GPT大模型网络,基于此学习各开源大模型的部署与微调。
结果导向,对标岗位JD精准教学,学完直接落地高端岗位
从入门到精通:AI岗位学习全攻略
AI全栈工程师
python开发工程师
增加自动化办公能力
图像处理工程师
机器学习工程师
自然语言处理算法工程师
语音识别算法工程师
深度学习算法工程师
计算机视觉工程师
数据标注员
大模型算法工程师
大模型训练与微调工程师
AI终端部署工程师
-
人工智能引入与
课程整体介绍
-
Python
高级技巧
-
数据
结构
-
Python的
基础语法
-
线性代数与
Python第三方库
-
Git
教程
-
概率论
与统计
-
图像认知
与OpenCV
-
人工智能的
微积分基础
-
机器学习算法原理
与实践-入门
-
基于传统视觉的简单的
车道线检测与自动驾驶
-
卷积
神经网络
-
NLP-循环
神经网络
-
Transformer
-
深度学习
基础与实践
-
视觉经典
神经网络与复现
-
语音场景
与认识声音
-
工业流水线
产品分类
-
数据集
标注与制作
-
生成式
人工智能
-
垃圾分拣
实时监测
-
大模型的
RAG、微调与Agent
-
人工智能引入与
课程整体介绍
-
Python
高级技巧
-
数据
结构
-
Python的
基础语法
-
线性代数与
Python第三方库
-
Git
教程
-
概率论
与统计
-
图像认知
与OpenCV
-
人工智能的
微积分基础
-
机器学习算法原理
与实践-入门
-
基于传统视觉的简单的
车道线检测与自动驾驶
-
卷积
神经网络
-
NLP-循环
神经网络
-
Transformer
-
深度学习
基础与实践
-
视觉经典
神经网络与复现
-
语音场景
与认识声音
-
工业流水线
产品分类
-
数据集
标注与制作
-
生成式
人工智能
-
垃圾分拣
实时监测
-
大模型的
RAG、微调与Agent
-
人工智能引入与
课程整体介绍
-
Python
高级技巧
-
数据
结构
-
Python的
基础语法
-
线性代数与
Python第三方库
-
Git
教程
-
概率论
与统计
-
图像认知
与OpenCV
-
人工智能的
微积分基础
-
机器学习算法原理
与实践-入门
-
基于传统视觉的简单的
车道线检测与自动驾驶
-
卷积
神经网络
-
NLP-循环
神经网络
-
Transformer
-
深度学习
基础与实践
-
视觉经典
神经网络与复现
-
语音场景
与认识声音
-
工业流水线
产品分类
-
数据集
标注与制作
-
生成式
人工智能
-
垃圾分拣
实时监测
-
大模型的
RAG、微调与Agent
-
人工智能引入与
课程整体介绍
-
Python
高级技巧
-
数据
结构
-
Python的
基础语法
-
线性代数与
Python第三方库
-
Git
教程
-
概率论
与统计
-
图像认知
与OpenCV
-
人工智能的
微积分基础
-
机器学习算法原理
与实践-入门
-
基于传统视觉的简单的
车道线检测与自动驾驶
-
卷积
神经网络
-
NLP-循环
神经网络
-
Transformer
-
深度学习
基础与实践
-
视觉经典
神经网络与复现
-
语音场景
与认识声音
-
工业流水线
产品分类
-
数据集
标注与制作
-
生成式
人工智能
-
垃圾分拣
实时监测
-
大模型的
RAG、微调与Agent
-
人工智能引入与
课程整体介绍
-
Python
高级技巧
-
数据
结构
-
Python的
基础语法
-
线性代数与
Python第三方库
-
Git
教程
-
概率论
与统计
-
图像认知
与OpenCV
-
人工智能的
微积分基础
-
机器学习算法原理
与实践-入门
-
基于传统视觉的简单的
车道线检测与自动驾驶
-
卷积
神经网络
-
NLP-循环
神经网络
-
Transformer
-
深度学习
基础与实践
-
视觉经典
神经网络与复现
-
语音场景
与认识声音
-
工业流水线
产品分类
-
数据集
标注与制作
-
生成式
人工智能
-
垃圾分拣
实时监测
-
大模型的
RAG、微调与Agent
限时福利
20年资源积累,打造人工智能行业标杆
华清远见教育科技集团,成立于2004年,是一家集产学研用于一体的科技驱动型新一代信息技术领域教育服务领导品牌。致力于让每位学子都能简单直接高效地获取紧跟科技时代前沿的IT教育服务,实现高端职业梦想。从线下到线上,从教学到研发,从理论到实践,从校园到职场,同时为企业、高校、个人提供全方位的人才培养解决方案。目前已在全国主要一二线城市成立12个学习中心,为企业输送30余万IT人
才,并为1100余所高校、20000余家企业赋能人才培养和人才支撑。