课程简介
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。例如,当前比较有影响力的ChatGPT,能够做到完全以自然语言的方式与人类交流,甚至完全可以超过人类的水平,包括科学问答、软件编程、考试认证、撰写文章、编写剧本等都能做的很好。
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大。
人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识、心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习、自然语言处理、计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
随着人工智能时代的快速到来,以及人工智能在生产生活中迅速应用,人工智能等重要性越发突出,本课程是针对人工智能时代的特点,尹老师总结多年人工智能经验,而精心设计的课程,课程内容涵盖了人工智能领域的前沿技术发展趋势和重要性;了解机器学习、深度学习、大模型、智能体等基本原理以及使用场景;重点为如何将人工智能技术应用到实际开发工作中(例如AI辅助开发、测试等),以此提升软件开发工作的质量和效率。
培训目标
深入讲解人工智能领域的前沿技术发展趋势和重要性;
深入剖析机器学习、深度学习、大模型、智能体等基本原理以及使用场景;
深入讲解如何将人工智能技术应用到实际开发工作中(例如AI辅助开发、测试等),以此提升软件开发工作的质量和效率;
深入讲解人工智能业务中应用案例与实操演示;
培训对象：
即将投身于人工智能、深度学习、机器学习领域的企业或者个人;
系统架构师、系统分析师、高级程序员、资深开发人员;
政府机关,金融保险、移动互联网、能源行业等人工智能相关人员;
高校、科研院所统计分析研究员,涉及到人工智能的人员;
培训方式：
以课堂讲解、演示、案例分析为主,辅以互动研讨、现场答疑、学以致用。
课程安排
课程时间:1天(6个小时)
课程内容
时间 内容 备注
第1天 人工智能领域的前沿技术发展趋势和重要性(介绍人工智能领域的前沿技术发展趋势和重要性)(60分钟) 人工智能前沿技术AlphaGo 人工智能前沿技术ChatGPT 人工智能前沿技术MidJourney 人工智能前沿技术D-ID 人工智能前沿技术Sora 人工智能前沿技术及发展趋势 AlphaGo技术原理 ChatGPT技术原理 人工智能的历史 人工智能的概括 什么是人工智能 人工智能的概念 人工智能的应用领域 人工智能发展水平及趋势 人工智能当前发展水平 人工智能未来趋势预测 人工智能发展的最终目标 人工智能核心技术 弱人工智能 强人工智能 超人工智能 机器学习 深度学习 迁移学习 深度神经网络 大语言模型(LLM) 智能体(Agent) 案例场景:ChatGPT编写论文应用案例分享 机器学习基本原理以及使用场景(深入剖析机器学习基本原理以及使用场景)(90分钟) 机器学习概念 机器学习基本原理 机器学习能学习什么? 机器学习是如何学习的? 从哪里学习? 学习的目的是什么? 学习的方法是什么? 学习方式分类 监督式学习 非监督式学习 半监督式学习 强化学习 训练集、测试集与验证集 模型评分 损失函数 最小二乘法 梯度下降 极大似然 激活函数 S型曲线 反正切 relu 阶跃 二元分类器 多元分类器 Softmax 求导 求偏导 链式求导 机器学习的过程 收集数据 预处理数据 探知数据 分析数据 选择模型 训练模型 评估模型 发布模型 算法库分类 算法库 回归分析(线性与非线性) 分类算法 逻辑回归模型 聚类算法 KNN最近邻分析模型 支持向量机模型 决策树模型 随机森林模型 GBDT梯度加强决策树模型 XGboost模型 时序分析模型 推荐引擎 关联规则模型 协同过滤模型 神经网络模型 机器学习使用场景 实操演练:预测阿里双11销售额数据分析案例分享 深度学习基本原理以及使用场景(深入讲解深度学习基本原理以及使用场景)(30分钟) 深度学习介绍 深度学习概念 深度学习特征 深度学习基本原理 深度学习基本思想 深度学习与神经网络 深度学习的训练过程 深度学习的常用模型 深度学习使用场景 深度学习的应用 基于深度学习的物体识别 开源深度学习框架介绍 Pytorch深度学习框架 TensorFlow深度学习框架 Keras深度学习框架 使用方法介绍 应用场景剖析 应用的典型案例:摄像头车牌号码识别 案例实践与练习:手写体数字图片识别 大模型基本原理以及使用场景(深入讲解大模型基本原理以及使用场景)(60分钟) 大模型概述 什么是大模型 大模型的概念 大模型的发展历程 大模型的发展趋势 大模型的价值 大模型标志着第四次工业革命的真正开始 大模型基本原理 大模型的架构 预训练目标、Transformer结构 自然语言处理 词嵌入、循环神经网络、卷积神经网络 大模型的训练方法 数据准备、模型训练、调优 大模型使用场景 自然语言处理技术 案例演示:生成图片演示 案例演示:编写PPT演示 案例演示:编写代码演示 案例演示:ChatGPT编写专业论文演示 智能体Agent基本原理以及使用场景(深入讲解智能体Agent基本原理以及使用场景)(60分钟) 智能体(Agent)概述 智能体Agent基本原理 智能体Agent架构 检索大模型文档 思考决策能力 提供外部工具能力 记忆能力 存储消息能力 智能体Agent使用场景 案例演示:日程管理系统 案例演示:智能体基本原理以及使用场景 如何将人工智能技术应用到实际开发工作中提升软件开发工作的质量和效率(深入讲解如何将人工智能技术应用到实际开发工作中提升软件开发工作的质量和效率)(60分钟) 如何将人工智能技术应用到实际开发工作中提升软件开发工作的质量和效率 自动化代码生成 减少代码调试的时间和成本 代码自动修复 智能测试 提高准确性和一致性 自动化常规和重复性的任务 持续集成和持续部署(CI/CD) 优化软件开发流程 VSCode AI插件 GitHub Copilot Tabnine Codeium Bito AI Code GPT Readable 案例演示:Tabnine从注释生成代码、完成整行和函数 案例演示:人工智能技术应用到实际开发工作中提升软件开发工作的质量和效率
授课老师
尹立庆 某大型知名互联网企业首席架构
常驻地：北京
邀请老师授课：13439064501 陈助理
