人工智能基礎理論

  培訓講師:李海良

講師背景:
李海良老師暨南大學副教授,碩士生導師,九三學社社員,中山大學工學博士香港城市大學訪問學者廣東工業(yè)大學校外合作研究生導師研究方向為深度學習、圖像識別、智慧綜合能源和能源大數(shù)據(jù)簡介l2018年獲得中山大學工學博士學位,2019年至2021年在暨 詳細>>

李海良
    課程咨詢電話:

人工智能基礎理論詳細內(nèi)容

人工智能基礎理論

人工智能基礎理論
主題:機器學習,深度學習,大模型,多模態(tài)
1. 機器學習基礎
1.1 機器學習的基本概念
機器學習的定義與重要性
數(shù)據(jù)驅動的方法與傳統(tǒng)編程的區(qū)別
1.2 常見的機器學習算法及其應用場景
線性回歸:用于預測連續(xù)值
邏輯回歸:用于二分類問題
決策樹與隨機森林:用于分類和回歸
支持向量機(SVM):用于分類問題
2. 深度學習基礎
2.1 深度學習的基本原理
人工神經(jīng)網(wǎng)絡的結構與工作原理
激活函數(shù):Sigmoid、ReLU、Tanh等
2.2 關鍵技術
反向傳播算法:損失函數(shù)與梯度下降法
2.3 實例分析:前饋神經(jīng)網(wǎng)絡、誤差反向傳播
使用TensorFlow/Keras構建簡單神經(jīng)網(wǎng)絡
實戰(zhàn)演練:使用神經(jīng)網(wǎng)絡進行手寫數(shù)字識別
3. 大模型基礎
3.1 大模型的基本概念和原理
大模型的定義與特征
大模型的發(fā)展歷程與重要里程碑
3.2 主流大模型的適用場景及優(yōu)劣勢分析
GPT-3、BERT等模型的特點與應用場景
4. 多模態(tài)技術
4.1 多模態(tài)的定義及其重要性
多模態(tài)數(shù)據(jù)融合的原理與方法
多模態(tài)技術在實際應用中的重要性
4.2 典型應用案例分析
圖像描述生成:結合圖像與文本的數(shù)據(jù)
語音識別與合成:結合音頻與文本的數(shù)據(jù)

 

李海良老師的其它課程

《大數(shù)據(jù)技術及應用》課程教學大綱一、課程基本信息課程名稱大數(shù)據(jù)技術及應用(英文名稱)BigdatatechnologyandApplication課程學時理論8小時,實驗4小時授課方式多媒體+實踐考核方式實踐考試+課程論文開課單位先修課程C語言程序設計;Java程序設計;數(shù)據(jù)結構;Linux操作系統(tǒng);后續(xù)課程大數(shù)據(jù)算法;適用專業(yè)數(shù)據(jù)科學與大數(shù)據(jù)技術、人工智能

 講師:李海良詳情


大語言模型開發(fā)與訓練培訓大綱第一天:基礎知識與初步實踐上午:理論基礎與工具準備1.歡迎與介紹培訓目標和內(nèi)容概述參與者自我介紹與期望2.大語言模型概述2.1什么是大語言模型(LLM)定義與基本概念介紹Transformer架構及其在自然語言處理中的重要性2.2LLM的應用場景和優(yōu)勢介紹LLM在文本生成、翻譯、問答系統(tǒng)、文本摘要等方面的應用主要的LLM架構GPT

 講師:李海良詳情


ZQBKAHoAdABYAGUAOQB2AEUAMgBVAGMAdgAyAHUANwA5AHYAbwBNAEEAegBhAFMAawBFAFoARAA2AFIAeAAwAHAAUwAyADMARABqAEoAUwBqAEgARQBiAEkAVQBBAGkAVwBiAFoASgBvAHMAdABpAGIAdQAwAEQAcQAzAFIAMwB5AC8AVQBx

 講師:李海良詳情


ZQBKAHoAdABYAGUAOQB2AEUAMgBVAGMAdgAyAHUANwA5AHYAbwBNAEEAegBhAFMAawBFAFoARAA2AFIAeAAwAHAAUwAyADMARABqAEoAUwBqAEgARQBiAEkAVQBBAGkAVwBiAFoASgBvAHMAdABpAGIAdQAwAEQAcQAzAFIAMwB5AC8AVQBx

 講師:李海良詳情


人工智能   08.29

人工智能課程大綱人工智能課程大綱一、課程介紹人工智能是現(xiàn)代科技領域的熱點之一,本課程旨在介紹人工智能的基本理論、應用領域以及相關技術。通過本課程的學習,學生將了解人工智能的概念、發(fā)展歷程以及未來發(fā)展趨勢,掌握人工智能的基本原理和各種算法模型,并學會應用人工智能技術解決實際問題。二、課程目標1.理解人工智能的基本概念和原理;2.熟悉人工智能的發(fā)展歷程和應用領域

 講師:李海良詳情


人工智能培訓   08.29

第一天:人工智能基礎理論主題:機器學習,深度學習,大模型,多模態(tài)1.機器學習基礎1.1機器學習的基本概念機器學習的定義與重要性數(shù)據(jù)驅動的方法與傳統(tǒng)編程的區(qū)別1.2常見的機器學習算法及其應用場景線性回歸:用于預測連續(xù)值邏輯回歸:用于二分類問題決策樹與隨機森林:用于分類和回歸支持向量機(SVM):用于分類問題2.深度學習基礎2.1深度學習的基本原理人工神經(jīng)網(wǎng)絡的

 講師:李海良詳情


軟件工程設計   08.29

《軟件工程設計》課程教學大綱總學時數(shù):60學時,其中:理論教學30學時,實踐教學30學時學分:先修課程:《計算機基礎》,《C語言程序設計》,《數(shù)據(jù)結構》和《數(shù)據(jù)庫原理及其應用》考核方式:考試一、制訂大綱的依據(jù)本大綱根據(jù)2020年計算機應用技術專業(yè)教學計劃制訂二、課程簡介軟件工程作為一門專業(yè)主干課,重點要求學生學習與軟件開發(fā)和維護有關的四個方面的主要內(nèi)容——過

 講師:李海良詳情


網(wǎng)絡安全滲透測試培訓大綱---培訓目標:本培訓旨在通過五天的學習,使學員全面掌握網(wǎng)絡安全滲透測試的理論知識與實踐技能。培訓將理論與實踐相結合,確保學員能夠在理解滲透測試原理的基礎上,熟練運用各種工具和技術進行實際操作。通過培訓,學員將能夠獨立完成滲透測試項目,提升網(wǎng)絡安全防護與應急響應能力。---第一天:滲透測試基礎與理論上午-網(wǎng)絡安全概述-網(wǎng)絡安全的重要性

 講師:李海良詳情


業(yè)務數(shù)字化方法論課程背景:一方面,隨著信息化的深入,在傳統(tǒng)IT建設方式下,企業(yè)獨立采購或者自建的各種企業(yè)信息系統(tǒng),在內(nèi)部數(shù)據(jù)無法互通,難以配合業(yè)務數(shù)字化的快速發(fā)展;另一方面,云服務的出現(xiàn),讓硬件基礎設施轉向成數(shù)據(jù)云策略,讓IT架構更靈活,但這也讓互聯(lián)互通困擾企業(yè)發(fā)展。數(shù)據(jù)中臺和業(yè)務中臺是企業(yè)數(shù)字化轉型的必然產(chǎn)物。中臺架構作為整個企業(yè)各個業(yè)務所需數(shù)據(jù)服務的提供

 講師:李海良詳情


深度學習框架技術培訓課程大綱第一天:深度學習基礎與框架概述上午:深度學習入門深度學習歷史與基本原理神經(jīng)網(wǎng)絡基礎:感知機、多層前饋網(wǎng)絡激活函數(shù)與損失函數(shù)介紹反向傳播算法原理深度學習框架重要性為什么需要深度學習框架主流深度學習框架概覽(TensorFlow,PyTorch,Keras,MXNet等)框架選擇考量因素下午:TensorFlow框架基礎TensorF

 講師:李海良詳情


COPYRIGT @ 2001-2018 HTTP://gzzmzs.cn INC. ALL RIGHTS RESERVED. 管理資源網(wǎng) 版權所有