第一天

第一部分：人工智能基礎(chǔ)

1.1　人工智能（AI）概述

1.２　AI研究的主要技術(shù)問題

1.３　AI的主要學(xué)派

1.４　AI十大應(yīng)用案例

（１）城市公共資源輔助優(yōu)化配置　

（２）臨床醫(yī)療影像輔助診斷　

（３）英語(yǔ)聽說(shuō)考試語(yǔ)音評(píng)測(cè)　

（４）智能供應(yīng)鏈設(shè)計(jì)系統(tǒng)

（５）機(jī)器翻譯

（６）智能客服機(jī)器人　

（７）重點(diǎn)人群身份識(shí)別　

（８）智能網(wǎng)絡(luò)視頻云服務(wù)　

（９）人證比對(duì)實(shí)名認(rèn)證

（１０）工業(yè)互聯(lián)網(wǎng)平臺(tái)　

1.４　人工智能技術(shù)基礎(chǔ)

１.４.１　搜索與推理技術(shù)

１.４.２　知識(shí)表示 　

第二部分：基于知識(shí)的人工智能系統(tǒng)及應(yīng)用

２.１專家系統(tǒng)概念

２.２專家系統(tǒng)結(jié)構(gòu)　

２.３專家系統(tǒng)開發(fā)工具

２.４專家系統(tǒng)設(shè)計(jì)與實(shí)際應(yīng)用　

２.４.１計(jì)算機(jī)故障診專家系統(tǒng)　　

２.４.２基于Web與云計(jì)算平臺(tái)的設(shè)備故障診斷專家系統(tǒng)　

2.5? 規(guī)則引擎與JSR94規(guī)范 ??

2.5.1 規(guī)則引擎產(chǎn)生背景

2.5.2 規(guī)則引擎概念

2.5.3 規(guī)則引擎架構(gòu)

2.5.4 JSR94 規(guī)范 --Java規(guī)則引擎API

2.5.5 典型規(guī)則引擎

2.5.6 規(guī)則引擎應(yīng)用案例（信用卡申請(qǐng)）

第二天

第三部分：知識(shí)圖譜

3.1? 知識(shí)圖譜概念

3.2? 知識(shí)圖譜與專家系統(tǒng)

3.3? 開放知識(shí)圖譜

3.4? 知識(shí)的提取、表示、存儲(chǔ)與檢索

3.5? 知識(shí)圖譜在互聯(lián)網(wǎng)金融行業(yè)的應(yīng)用

3.6? 實(shí)驗(yàn)： 基于NEO4j的知識(shí)圖譜應(yīng)用系統(tǒng)

第二天

第四部分：基于聯(lián)接的人工智能系統(tǒng)及應(yīng)用

4.1　神經(jīng)網(wǎng)絡(luò)概念

4.2　前饋神經(jīng)網(wǎng)絡(luò)算法　

4.3　前饋神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法

4.4　前饋神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用

4.4.1　基于神經(jīng)網(wǎng)絡(luò)的煤礦突水預(yù)測(cè)系統(tǒng)　　

4.4.2　融合專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的真空成型機(jī)故障診斷系統(tǒng)　

第三天

第五部分：基于深度學(xué)習(xí)的人工智能系統(tǒng)及應(yīng)用

5.1　機(jī)器學(xué)習(xí)概念

5.2　深度學(xué)習(xí)概念

5.3　卷積積神經(jīng)網(wǎng)絡(luò)

5.4? 增強(qiáng)學(xué)習(xí)

5.5? 遷移學(xué)習(xí)

5.6? 生成對(duì)抗網(wǎng)絡(luò)

5.7? 主流深度學(xué)習(xí)框架

5.7.1 TesorFlow 2.4（安裝與實(shí)例運(yùn)行）

5.7.2 ?Keras2.4 （安裝與實(shí)例運(yùn)行）

5.7.3? pytorch

5.8 基于TesorFlow/keras的深度學(xué)習(xí)應(yīng)用系統(tǒng)上機(jī)實(shí)驗(yàn)

（1）手寫體數(shù)字識(shí)別

（2）時(shí)裝識(shí)別

（3）情感識(shí)別

第六部分：基于深度學(xué)習(xí)的目標(biāo)檢測(cè)與人臉識(shí)別

6.1 ?目標(biāo)檢測(cè)（object detection）概念

6.2 傳統(tǒng)的目標(biāo)檢測(cè)方法

6.3? 基于區(qū)域建議(候選框)的目標(biāo)識(shí)別算法

6.3.1? R-CNN

6.3.2? Fast R-CNN

6.3.3? Faster R-CNN

6.3.4 Feature Pyramid Networks(FPN)-特征金字塔網(wǎng)絡(luò)

6.4? YOLO——One-Stage目標(biāo)檢測(cè)算法

6.5? SSD與 Retina-Net

6.6? 基于ImageAI? 的計(jì)算機(jī)視覺編程庫(kù)

6.9人臉識(shí)別關(guān)鍵技術(shù)概述

6.10人臉檢測(cè)算法

6.10.1 人臉檢測(cè)算法 MTCNN

6.11 人臉識(shí)別算法 - Google FaceNet（2015）

6.11 基于MTCNN和facenet實(shí)現(xiàn)人臉檢測(cè)和人臉識(shí)別實(shí)驗(yàn)