• 参会报名
  • 会议介绍
  • 会议日程
  • 会议嘉宾
  • 参会指南

首页 > 商务会议 > 学校/教师会议 > 中国高校人工智能技术与应用实战项目师资训练营(10月线上) 更新时间:2020-09-16T18:14:16

中国高校人工智能技术与应用实战项目师资训练营(10月线上)
收藏人
分享到

中国高校人工智能技术与应用实战项目师资训练营(10月线上) 已过期

会议时间:2020-10-17 19:00至 2020-10-23 22:00结束

会议地点: 线上活动  详细地址会前通知  

会议规模:暂无

主办单位: 全国大数据教育创新联盟 泰迪杯数据挖掘挑战赛组委会

发票类型:增值税普通发票 增值税专用发票

行业热销热门关注看了又看 换一换

        会议介绍

        会议内容 主办方介绍


        中国高校人工智能技术与应用实战项目师资训练营(10月线上)

        中国高校人工智能技术与应用实战项目师资训练营(10月线上)宣传图

        全国高校人工智能应用工程师项目实战师资训练营

        各有关院校:

        教育部《高等学校人工智能创新行动计划》及国务院颁布的《新一代人工智能发展规划》,责成科技司、基教司、职成司、高教司、地方各级教育行政部门大力推动人工智能、大数据等新技术在教育教学中的深入应用,推进信息技术与高等教育教学深度融合。从发布对人工智能、大数据等新技术与教育结合的指导性文件到直接扶持建设相关教学项目,为高校进行教学改革和升级教学手段和方式指明了新的方向。

        据专业备案结果显示,2019年全国共有180所高校成功申报人工智能专业,新增智能制造工程专业高校80所、机器人工程专业高校62所以及智能科学与技术专业高校36所,同时全国成功申报人工智能技术服务专业的高职院校达到171所。人工智能产业的发展对人才提出了新的需求,国内各高校在积极进行学术研究的同时,已经将人工智能教育纳入培养体系。为帮助高校适时调整课程体系、继续深化教学改革,指导数据智能学科建设和跨学科人才培养,进一步提升教学及科研实战能力,全国大数据教育创新联盟联合泰迪杯数据挖掘挑战赛组委会将继续推动大数据与人工智能人才培养工程行动计划,2020年第六期“全国高校人工智能技术与应用实战项目师资训练营”将以线上云课堂形式举办,现将有关通知如下:


        一、集训项目名称

        基于深度学习的推荐系统受众性别预测

        二、项目介绍

        随着互联网和移动互联网迅猛发展,越来越多的用户数据涌向不同的线上平台,如何从海量数据中探究规律、挖掘价值,已经各大互联网公司重点关注的事情,个性化推荐系统便是其中一个引人瞩目的产出物。

        在各类个性化推荐系统中,用户的年龄、性别、学历、职业等基础属性是重要输入特征,其中的逻辑是,在大部分情况下用户对广告的偏好会随着其年龄、性别等自身情况的不同而产生区别,这一逻辑在也在许多行业的实践中得到过验证。如果能够得到用户基本属性并将其输入个性化推荐系统中,则能大大提高系统的推荐准确率。

        所以,对于缺乏用户基础属性的公司而言,基于用户交互数据来推断用户基础属性,是一件极有价值的事情。本项目的目标是通过分析挖掘用户在广告系统中的交互行为数据来得到各用户的基础属性—性别

        四、项目技能点

        深度学习实践、WordEmbedding、tensorflow2、Python综合实操、机器学习、智能推荐、实际项目搭建与应用。

        五、能得到的服务

        1. 完整的项目数据
        2. 项目解决思路梳理
        3. 全程有项目助理跟进答疑
        4. 教学及科研转化思路
        5. 项目所需技能的配套课程

        六、预期收益

        1. 掌握深度学习技术在一线个性化推荐系统中的应用。
        2. 深入理解深度学习(CNNRNN)技术框架
        3. 进一步掌握Python开发及分析应用技术。
        4. 进一步掌握自然语言处理关键技术——WordEmbedding
        5. 考核通过后获得工信部教育与考试中心人工智能应用工程师职业技术证书

        七、参加对象

        各高等院校大数据、人工智能相关学科、计算机、网络通信、自动化、电子工程、数理统计等专业的科研、教学带头人、骨干教师、博士生、硕士生、本科生、大专生;

        从事计算机、云计算、大数据、人工智能、互联网等相关领域项目的科研院所的项目负责人、科研人员、工程技术人员等。

        八、时间与方式

        项目实训时间:2020年10月17日 -23

        (本次训练营的任务目标为完成一线企业项目,并非传统培训授课,请按要求定时完成各项目任务。提供的配套课程通过登录云课堂观看学习,支持六个月内免费回看)

        九、项目配套课程

        学习网站:edu.tipdm.org

        学习时间:报名成功后随时可以开始学习

        Python编程基础

        Python数据分析与应用

        1准备工作

        2列表操作

        3程序流程控制语句

        4字符串操作

        4.1字符串及其索引&切片

        4.2字符串的常见方法

        4.3字典的创建及索引

        4.4字典常用操作

        4.5字典推导式

        5Python文件读取操作

        5.1Python读取文件

        5.2练习3:统计小说中的单词频次

        6函数

        6.1Python函数自定义

        6.2练习4:自定义求序列偶数个数的函数

        7面向对象与模块

        7.1Python方法与函数对比介绍

        7.2Python面向对象示例

        7.3Python模块使用

        7.4第三方库的安装与调用

        8注意事项

        8.1Python工作路径说明

        8.2模块命名及存放路径的注意事项

        8.3结语

        1 Python数据分析概述

        1.1认识数据分析

        1.2熟悉Python数据分析的工具

        1.3安装Python3Anaconda发行版

        1.4掌握Jupyter Notebook常用功能

        2 NumPy数值计算基础

        2.1认识NumPy数组对象ndarray

        2.2认识NumPy矩阵与通用函数

        2.3利用NumPy进行统计分析

        3 Matplotlib数据可视化基础

        3.1了解绘图基础语法与常用参数

        3.2分析特征间的关系

        3.3分析特征内部数据分布与分散状况

        4 Pandas统计分析基础

        4.1读写不同数据源的数据

        4.2掌握DataFrame的常用操作

        4.3转换与处理时间序列数据

        4.4使用分组聚合进行组内计算

        4.5创建透视表与交叉表

        5 使用Pandas进行数据预处理

        5.1合并数据

        5.2清洗数据

        5.3标准化数据

        5.4转换数据

        Python机器学习实战

        深度学习基础-人工神经网络

        1机器学习绪论

        1.1引言

        1.2基本术语

        1.3假设空间&归纳偏好

        2模型评估与选择

        2.1经验误差与过拟合

        2.2评估方法

        2.3性能度量

        2.4性能度量Python实现

        3回归分析(RegressionAnalysis)

        3.1线性回归基本形式

        3.2线性回归模型的Python实现

        3.3波士顿房价预测的Python实现

        3.4逻辑回归介绍

        3.5研究生入学录取预测的Python实现

        1单个神经元介绍

        2经典网络结构介绍

        3神经网络工作流程演示

        4如何修正网络参数.梯度下降

        5网络工作原理推导

        6网络搭建准备

        7样本从输入层到隐层传输的Python实现

        8网络输出的Python实现

        9单样本网络训练的Python实现

        10全样本网络训练的Python实现

        11网络性能评价

        12调用sklearn实现神经网络算法

        tensorflow2实战

        人工智能核心课-深度神经网络

        1任务1:构建一个线性模型

        1.1tensorflow介绍

        1.2tensorflow2常用数据类型和操作

        1.3初始化模型

        1.4构建损失函数

        1.5模型训练及可视化

        1.6使用高阶API-keras

        2任务2mnist手写数字识别

        2.1数据读取及探索

        2.2交叉熵

        2.3模型构建及训练

        2.4调用保存好的模型对新样本进行预测

        3 作业-鸢尾花分类

        1.1深度神经网络-引言

        2卷积神经网络CNN

        2.1浅层神经网络的局限

        2.2卷积操作

        2.3卷积操作的优势

        2.4池化及全连接

        2.5高维输入及多filter卷积

        2.6实现卷积操作

        2.7实现池化操作

        3循环神经网络RNN

        3.1循环神经网络简介

        3.2循环神经网络的常见结构

        4长短时记忆网络LSTM

        4.1LSTM的三个门

        4.2LSTM三个门的计算示例

        4.3利用RNN&LSTM实现mnist手写数字识别

        案例:用循环神经网络(RNN)对文本进行分类

        1明确项目需求与目标

        2 环境准备

        3数据预处理

        4加载模型、构建读取接口

        5确定训练策略

        6配置参数

        7确定任务,开始训练

        8性能评估及总结

        特别说明:配套课程仅做为参加本次训练营的基础知识,非本次实训营的核心内容。

        报名成功后随时可以开始配套课程学习,项目集训前需完成全部课程内容。











        十一、证书颁发

        学员经在线培训并考试合格后,可以获得由工业和信息化部教育与考试中心颁发“高级人工智能应用工程师”职业技术证书,证书可登录国家工业和信息化部教育与考试中心官网查询。

        查看更多

        会议日程

        (最终日程以会议现场为准)


        三、项目任务安排

        项目实训安排

        集训时间20201017-23

        时间

        任务安排

        学习平台

        10月17日19:00-21:30

        1了解项目背景及目标

        2获取及认识数据

        个人PC

        线上直播:项目介绍及思路梳理

        企业微信

        在线答疑

        微信群

        10月18日19:00-21:30

        3探索整理数据

        4获取用户相应单击流数据

        个人PC

        任务讲解及分析

        泰迪云课堂

        在线答疑

        微信群

        10月19日19:00-21:30

        5实现Word Embedding操作

        个人PC

        任务讲解及分析

        泰迪云课堂

        在线答疑

        微信群

        10月20日19:00-21:30

        6构建循环神经网络(RNN)序列模型

        个人PC

        任务讲解及分析

        泰迪云课堂

        在线答疑

        微信群

        10月21日19:00-21:30

        7构建卷积神经网络(CNN)模型

        个人PC

        任务讲解及分析

        泰迪云课堂

        在线答疑

        微信群

        10月22日19:00-21:30

        8构建并行网络结构:多特征并行叠加

        9模型调优

        个人PC

        任务讲解及分析

        泰迪云课堂

        在线答疑

        微信群

        10月23日19:00-21:30

        工信部教育与考试中心人工智能应用工程师职业技术认证

        在线考试

        泰迪云课堂

               

        注:所有学员自备笔记本电脑(Windows7或以上操作系统(64位)、4G+内存)、按照项目要求完成各项目任务。

        查看更多

        会议嘉宾

        (最终出席嘉宾以会议现场为准)


        十、课程主讲师资介绍

        张敏  广东泰迪科技高级数据分析师、培训总监,从事用户数据分析和数据挖掘工作六年,具有丰富的大数据挖掘理论及实践培训经验,对数据具有较高的敏感度,根据数据对其进行全面的统计分析。精通Python、R语言、Matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作。有为南方电网、珠江数码等大型企业长期提供实施服务的经验,主导了电子商务网站用户行为分析及网页智能推荐服务、中医证型关联规则挖掘、电信业务话单量预测、航空公司客户价值分析等多个项目。2017年“泰迪杯数据挖掘挑战赛教练员培训”主讲讲师,2018年广东省Python与深度学习技术师资培训班主讲讲师,2018年第一/三/五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一/二/三期全国高校大数据与人工智能师资研修班主讲讲师,2019年国家电网大数据竞赛河北、湖南省、甘肃省电力系统培训班主讲讲师,先后负责过西安理工大学、广东工业大学、广西师范学院、广西科技大学、闽江学院、广东石油化工学院、上海健康医学院等高校实训课程及德生科技等企业内训和数据挖掘就业班的课程。组织、参与编写图书《Python编程基础》、《Python数据分析与应用》、《R语言编程基础》等。

        杨惠  广东泰迪科技高级数据分析师,具备丰富的培训经验,曾为多家企业、院校服务过专业培训工作。如PPV商业培训、泰迪大数据师资培训、珠海城职院数据分析培训; 2018年第一、三、五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一、三、五期全国高校大数据与人工智能师资研修班主讲讲师,2019年国家电网大数据竞赛河北省电力系统培训班主讲讲师。从事数据挖掘工作五年,擅长文本挖掘及深度神经网络RNN,熟悉常用机器学习算法原理及应用,如神经网络、SVM、决策树、贝叶斯等算法;精通R、Python、MATLAB等常用数据挖掘处理工具。具有丰富的实践项目经验。如“京东电商产品评论情感分析”项目;“珠江数码大数据营销推荐应用”项目;“电子商务网站智能推荐服务”项目。

         

        查看更多

        参会指南

        会议门票


        十二、报名材料及费用说明

        1. 报名材料:报名申请表、身份证复印件、两寸近期正面免冠彩色半身证件照电子版

             (要求:背景:白色,格式:JPG,大小:14-20K)。

        2. 培训费用: 2980 元/人,包含(报名费、学习费、资料费、证书费)。

        3. 课程全程内容共计75课时,课程视频内容六个月内面向学员免费开放,可以反复学习。

        4、参加线上课程学习的学员,如后续本人参加线下课程继续深造,持线上缴费凭证可享受一次免费学习机会(仅限参加同一培训专题方向的线下课程)。

        5、本次由广东泰迪智能科技股份有限公司收取费用并开具发票。

        查看更多

        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

        会议支持:

        • 会员折扣
          该会议支持会员折扣
          具体折扣标准请参见plus会员页面
        • 会员返积分
          每消费1元累积1个会员积分。
          仅PC站支持。
        • 会员积分抵现
          根据会员等级的不同,每抵用1元可使用的积分也不一样,具体可参见PLUS会员页面。 仅PC站支持。

        部分参会单位

        主办方没有公开参会单位

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函