知识图谱的Python实现   03.03

知识图谱的Python实现【课程简介】本课程包含知识图谱的基本概念及常用算法，并实现了一个基于知识图谱的对话机器人。通过1天的系统学习、案例讲解和动手实践，让学员能初步了解知识图谱的的相关知识与技术。【课程对象】理工科本科以上，或至少了解一种编程语言。知识图谱基础知识图谱存储知识图谱基础概念知识推理本体推理方法本体推理工具语义搜索RDF与RDFSOWL与OW

 讲师：叶梓详情

智能医疗技术与ChatGPT临床应用三日深度培训   03.03

智能医疗技术与ChatGPT临床应用三日深度培训第一天：人工智能基础与Python编程入门上午：人工智能在医疗领域的应用概述Python编程基础环境搭建、数据类型、流程控制Python环境搭建Python数据类型与流程控制Python函数的应用Python面向对象编程 文件读写和目录操作异常处理机器学习概述数据探索性分析：智能化数据分析特征工程：数据准备、数

 讲师：叶梓详情

人工智能“最强模型”transformer详解-2天   03.03

人工智能“最强模型”transformer详解【课程简介】Transformer是迄今为止人工智能领域的最新和最强大的模型类别之一。它几乎正在凭借一己之力来推动深度学习的又一波重大进步。Transformer模型充分运用了称为注意力和自注意力机制，以检测系列（或图像）中元素相互影响和相互依赖的微妙关系。本课程通过2天时间的详细介绍，可使学习者初步了解Tran

 讲师：叶梓详情

人工智能+自然语言处理3天   03.03

||1.人工智能概述||第一节：人工智能与机器学习基础|2.机器学习概述|||3.机器学习算法应用分析|||1.一元线性回归|||2.代价函数|||3.梯度下降法||第二节：回归算法|4.sklearn一元线性回归应用|||5.多元线性回归|||6.sklearn多元线性回归应用|||案例：葡萄酒质量和时间的关系|||1.KNN分类算法介绍|||2.KNN分

 讲师：叶梓详情

人工智能算法详解   03.03

人工智能技术详解【课程内容】本课程包含大数据、机器学习、深度学习、知识图谱、强化学习与深度强化学习的相关知识。【课程时长】7天（7小时/天）【课程对象】理工科本科及以上，且至少了解一门编程语言。【课程大纲】（培训内容可根据客户需求调整）时间内容案例实践与练习Day1上午准备工作准备工作1.概念与术语2.Python（Anaconda）的安装3.Pycharm

 讲师：叶梓详情

人工智能与深度学习_3天   03.03

人工智能与深度学习第一天：人工智能概念与经典算法人工智能概念综述（第一天——1）从一些术语辨析人工智能人工智能之连接主义的兴衰史这次AI的热潮是怎么来的？图像处理领域的最新热点（第一天——2）分类、目标检测与实例分割风格迁移自动驾驶人体姿态识别超分辨率图像生成语言处理领域的最新热点（第一天——3）Attention机制自动构建知识图谱看图说话预训练机制三大经

 讲师：叶梓详情

人工智能之自然语言处理技术与实战(4天)   03.03

人工智能之最新自然语言处理技术与实战课程介绍：自然语言处理(简称NLP)是计算机科学和人工智能研究的一个重要方向，研究计算机和理解和运用人类语言进行交互的问题，它是集语言学、机器学习、统计学、大数据于一体的综合学科。本课程主要介绍了NLP中的常用知识点：分词、词法分析、句法分析、向量化方法、经典的NLP机器学习算法，还重点介绍了NLP中最近两年来基于大规模语

 讲师：叶梓详情

数据分析与数据挖掘导论_两天   03.03

第一天上午：统计分析原理从最简单的案例开始统计基础描述性统计用SPSS实现描述性统计的案例回归分析：线性回归回归分析：logistics回归用SPSS实现回归分析的案例可视化工具第一天下午：数据库与数据仓库介绍数据库概述SQL（基本的增、删、改、查）SQL（稍复杂的子句或嵌套）基于MySQL的上机操作SQL语言数据仓库：度量与维度数据仓库：星型模型、雪花模型

 讲师：叶梓详情

计算机视觉(含姿态识别)-3天   03.03

计算机视觉【课程时长】3天（7小时/天）【课程对象】理工科本科及以上，且至少了解一门编程语言。【课程大纲】（培训内容可根据客户需求调整）时间内容案例实践与练习Day1上午准备工作准备工作决策树准备工作（1）概念与术语Python（Anaconda）的安装Pycharm的安装与使用JupyterNotebook的安装与使用Tensorflow与pytorch的

 讲师：叶梓详情

计算机视觉(含姿态识别疫情防控案例)-2天   03.03

计算机视觉【课程简介】本课程包含计算机视觉领域的的重要概念及常用算法（神经网络、支持向量机、CNN、GAN等），以及人工智能领域热点应用场景：目标检测、图像分割、图像生成等。通过2天的系统学习、案例讲解和动手实践，让学员能初步迈入深度学习和计算视觉的知识殿堂。【课程收益】掌握基于python的视觉分析知识；掌握深度学习框架：TensorFlow、pytorc

 讲师：叶梓详情