新课教育合作学校
课程简介
学习AI的痛点？我们帮你解决！
♣ 一碰到数学就头疼，一深入就看不懂，学不透
算法的学习，要学透一定会涉及到公式推导，我们课程线下会把机器学习三十大算法一一推导，让学生具备自行推导的算法的能力。
♣ 学习过程中，有问题无人当面解答
课程授课老师为全日制，并有丰富线下代课经验老师，可以很深入浅出的讲解，当面回答学生问题，除了周末上课时间，平日也可以给同学进行面试以及工作中遇到问题的辅导。
♣ 代码能力弱，缺乏实战项目经验
机器学习每个算法都会配有案例，让学生可以学以致用，不仅机器学学，包括深度学习，都有丰富的企业级实战项目，项目来自联想、华为、百度等知名企业。
♣ 面试，拿不到高薪
面试拿不到高薪，主要原因还是算法学习的不够深入，或者项目不会举一反三，课程中三十大机器学习算法都会深入剖析，公式推导，从是什么，到为什么，怎么用，怎么用好，几个角度给学生讲透。对于项目也会深入细致的讲解，让学生不仅了解项目，可以对学过的项目举一反三。
AI课程设计理念
1.数据基础：主要从数据分析、概率论和线性代数及矩阵这三大块讲解基础，方便大家后续课程的学习中更好的理解机器学习和深度学习的相关算法内容。
2.Python基础：Python作为人工智能首选编程语言，随着人工智能时代的到来，Python开发效率非常高，Python有非常强大的第三方库。这里帮助大家打好python的基础以及人工智能常用库的使用方法，方便后面机器学习和深度学习代码实战时更好的理解代码实现。
3.机器学习：三十大机器学习算法，从原理到推导进行一步步深入解析，同时包含对应算法的实战案例。本部分内容体现出算法工程师的高门槛，也是高薪就业的必经之路，我们通过全面深入透彻的讲解让大家对算法在脑海中构建成体系，知其然并知其所以然，成为优秀的人工智能工程师，可以hold住面试以及工作。
4.Spark MLlib：人工智能需要大量的数据进行训练，所以课程教授大家一个大数据的优秀计算框架Spark，可以帮助大家去找工作时成为一个加分项（但不是必要项），同时会对Spark框架中的ML、MLlib这两个机器学习的算法库有着重的实战讲解。
5.深度学习：深度学习是实现机器学习的一种技术。随着深度学习的快速发展，人工智能才得以长足进步，课程会把深度学习从基础CNN、RNN到对抗生成网络等流行的算法和模型进行深入讲解，并且会全面的实战讲解TensorFlow、Keras、Caffe等深度学习框架。并用丰富的案例让大家可以对学过的知识融会贯通。
6.实战项目：带你做时下热门的项目实战，并通过我们的教学让大家学习一个项目的同时可以举一反三，工作中可以轻松应对企业需求，成为合格推荐系统工程师，图像识别工程师，自然语音处理工程师等。（我们做人工智能是认真的、踏实的，不会把一些浅层机器学习算法小案例称之为项目）
带你做时下热门的实战项目
1.推荐系统项目：
项目简介：使用数据来自某互联网平台手机助手，项目目标通过机器学习所学知识挖掘平台手机用户喜好，给用户准确推荐手机软件，类似360手机助手、华为手机助手、百度手机助手推荐功能，做到实时个性化推荐。
项目特色：架构完善综合大项目，从前到后贯穿，利用分布式文件系统存储用户行为数据，使用Spark程序进行数据分析，利用分布式SQL来进行数据清洗，特征抽取，python脚本构建训练集，利用分布式机器学习算法训练模型，线上Web来调用使用模型。
2.用户画像分析系统项目：
项目简介：用户画像是真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模型。通过用户调研去了解用户,根据他们的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,就形成了一个人物原型。通过人物原型，可以给用户更加精准的搜索和推荐结果。
项目特色：根据用户历史浏览数据，对用户进行行为分析，精准建模。通过用户模型，可以对用户进行精准推荐，精准投放广告。
3.皮肤癌检测项目：
项目简介：黑色素瘤，又称恶性黑色素瘤，是来源于黑色素细胞的一类恶性肿瘤，常见于皮肤，亦见于黏膜、眼脉络膜等部位。黑色素瘤是皮肤肿瘤中恶性程度最高的瘤种，容易出现远处转移。该疾病如果早期治疗，患者可以完全康复。可见早期诊断和治疗因而显得尤为重要。我们开发一款app，面向手机用户，你可以随时用app开个摄像头让机器医生帮我们看一看，这是不是皮肤癌的早期症状。
项目特色：面向手机用户，操作方便，利用深度学习高级框架Keras进行开发，代码简洁，训练时间短，模型准确率高。
4.自动聊天机器人项目：
项目简介：聊天机器人是一个用来模拟人类对话或聊天的程序。聊天机器人主要应用场景包括智能客服、虚拟机器人、智能手表、智能车载和智能家居。我们开发一款基于深度学习的中文聊天机器人，可在中文语义理解方面达到较高的准确率。
项目特色：基于深度学习的中文聊天机器人，项目涵盖了中文分词，语义分析，命名实体识别等中文NLP技术。
5.深度学习目标检测：
项目简介：目标检测，工业界关注的主要是人脸，人，车这些对监控、交通等领域非常重要的目标。 我们将所有的方法都概括成：候选窗口 + 分类or回归。人在识别物体的时候，可能只是知道这是一个单独的物体，也知道bounding box，但是不知道类别；当人类通过其他渠道学习到类别的时候，下一次就能够识别了；目标检测也是如此，我们不可能标注所有的物体的类别，我们将这种快速学习的机制引入。
项目特色：基于深度学习，使语意信息和分割结合，为目标检测提供信息，进行目标检测。
6.人脸识别项目：
项目简介：智能人脸识别基于深度学习以及以GPU 为核心的异构并行计算架构，接入高清网络摄像机，实现高质量的人脸特征提取、人脸自动抓拍、自动识别、自动比对等功能。
项目特色：对视频监控中出现的人脸进行自动检测，进行目标库检索，输出在目标库中检索出与该人脸图片相似度高的对应的目标库人员的详细信息。
7.图像风格迁移：
项目简介：所谓图像风格迁移，是指利用算法学习画作的风格，然后再把这种风格应用到另外一张图片上的技术。图像处理应用Prisma是利用风格迁移技术，将普通用户的照片自动变换为具有艺术家的风格的图片。
项目特色：不仅讲解了原始图像风格迁移的基本原理，其中内容损失、风格损失两种损失函数的定义尤为关键。接着讲解了快速图像风格迁移的原理，并实现快速图像风格迁移，并对项目一些实现细节进行研究，掌握风格迁移这一领域的思想与TensorFlow种相应的实现方法。
8.机器翻译引擎构建：
项目简介：机器翻译是指用机器将一种语言自动翻译成另外一种语言的技术。传统机器翻译采取基于规则或基于词组统计规律的方法。随着深度学习技术的发展，神经网络机器翻译首先将源句子向量化，转化成计算机可以“理解”的形式，再生成另一种语言的译文，更贴合原意也更符合语法规范的翻译。各大商业公司都开始使用神经网络机器翻译代替原来的机器翻译系统。
项目特色：利用RNN网络结构：Encoder-Decoder（也叫Seq2Seq），并且引入它的重要改进—注意力机制，接着构建两个神经网络翻译模型，详细剖析关于Encoder-Decoder结构和注意力机制的源代码。
