0
| 本文作者： 雷鋒專欄 | 2018-06-19 18:34 |
一年一度的暑假要來了，對很多大三、大四同學們來說，2個月長假的同時也意味著2個月后就要為找工作做準備了，相信很多同學已經(jīng)在暑期開始準備自己的簡歷了，不過面對寥寥無幾的校園學習經(jīng)歷和實習經(jīng)驗，如何才能在眾多應(yīng)聘者中脫穎而出呢？更別說加入頂尖的AI人工智能企業(yè)了。
為了解決眾多學生的求職難題，AI慕課學院聯(lián)合雷鋒網(wǎng)、哈爾濱工業(yè)大學（深圳）在深圳舉辦了“CV視覺工程師入職培訓暑期班”，希望通過2個月的時間幫助廣大同學們搞定“理論學習，企業(yè)實習以及面試入職”等重要環(huán)節(jié)，既能提升CV方向的理論學習，又能豐富實習經(jīng)驗，還有機會入職知名AI公司，這個暑期你還在猶豫什么？CV視覺工程師入職培訓暑期班最后20個名額，等你來報名！
基礎(chǔ)課程全部由哈爾濱工業(yè)大學（深圳）計算機學院教師團隊任教，具有豐富的教學經(jīng)驗；實踐課程聘請人工智能行業(yè)合作企業(yè)資深工程師任教，項目實戰(zhàn)研發(fā)經(jīng)驗豐富，可提供企業(yè)海量數(shù)據(jù)案例供學生學習。
大道智創(chuàng)CTO邢志偉是哈爾濱工業(yè)大學博士， 曾任職于NVDIA深圳公司并負責領(lǐng)導多項顯卡設(shè)計開發(fā)
宜遠智能CEO吳博先后在清華大學、香港浸會大學求學，并在英國利茲大學完成博士后
第一章 AI入門基礎(chǔ)（共120課時）
一、數(shù)學基礎(chǔ)（40課時）
1. 線性代數(shù)與矩陣論
知識點1： 向量、矩陣簡介、向量范數(shù)、矩陣范數(shù)
知識點2 ：矩陣的運算，行列式
知識點3： 條件數(shù)、線性子空間、矩陣的正交化，矩陣求逆
2. 概率論與統(tǒng)計
知識點1： 隨機試驗、隨機事件的關(guān)系及運算
知識點2 ：事件的概率，條件概率
知識點3 ：獨立、條件獨立，常見分部介紹
3. 凸優(yōu)化
知識點1： 機器學習與優(yōu)化關(guān)系，凸集、凸函數(shù)簡介
知識點2 ：極值點、最值點、梯度、方向?qū)?shù)
知識點3 ：約束問題的KKT條件
二、編程基礎(chǔ)（40課時，建議最好有編程基礎(chǔ)，這類課程做課時上的壓縮，重點介紹CV常用的語言知識點）
Python
知識點1 ：基礎(chǔ)語法
知識點2 ：循環(huán)、字符串、列表
知識點3 ：元祖、字典、函數(shù)
知識點4 ：文件操作、面向?qū)ο?/p>
知識點5： 正則表達式
知識點6： 排序算法
知識點7 ：數(shù)據(jù)分析與可視化實踐
三、機器學習 （40課時）
1. 機器學習原理
知識點1： 線性回歸、logistic回歸、梯度下降
知識點2： 決策樹、隨機森林、GBDT
知識點3：SVM與數(shù)據(jù)分類
知識點4 ：特征工程：數(shù)據(jù)清洗、異常點處理、特征抽取、選擇與組合
知識點5： logistic回歸Softmax SVM與樸素貝葉斯的精髓速講
知識點6 ：決策樹 隨機森林 boosting 模型融合的精髓速講
2. 機器學習實戰(zhàn)
知識點1 ：機器學習流程、預處理、特征工程
知識點2： Kaggle機器學習比賽中的特征工程處理實戰(zhàn)
知識點3 ：模型評判標準與部分機器學習有監(jiān)督算法
知識點4 ：sklearn接口熟悉與機器學習建模指導
知識點5 ：sklearn建模與使用
知識點6：機器學習有監(jiān)督算法與無監(jiān)督學習
知識點7 ：集成算法與Xgboost/LightGBM
第二章 計算機視覺理論與實戰(zhàn)（共110課時）
一、計算機視覺基礎(chǔ)（50課時）
圖像識別
目標檢測&跟蹤
圖像分割
二、深度學習的算法與實踐（50課時）
1. 深度學習原理
知識點1 ：人工神經(jīng)網(wǎng)絡(luò)（ANN）
知識點2 ：深度學習（Deep Learning）及TensorFlow等框架
知識點3 ：卷積神經(jīng)網(wǎng)絡(luò)（CNN）
知識點4 ：循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）
知識點5 ：長短時記憶網(wǎng)絡(luò)（LSTM）
知識點6 ：循環(huán)神經(jīng)網(wǎng)絡(luò)變種
知識點7 s：eq2swq模型
2. 深度學習實戰(zhàn)
知識點1 ：Caffe實戰(zhàn)圖像分類
知識點2 ：Tensorflow實戰(zhàn)圖像風格轉(zhuǎn)換實現(xiàn)
知識點3 ：google wide&deep模型
三、神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題與源碼解析（10課時）
如何選擇適合某一問題的網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)參數(shù)如何初始化
選擇怎樣的梯度下降方法
深度學習平臺的代碼架構(gòu)
如何高效實現(xiàn)計算（以卷積層為例）
第三章 企業(yè)項目實戰(zhàn)講解（20*3=60課時）
企業(yè)A項目案例分析
企業(yè)B項目案例分析
企業(yè)C項目案例分析
第四章 企業(yè)實習（80課時）
企業(yè)培訓（代碼規(guī)范）
項目實戰(zhàn)能力測試
企業(yè)項目實操
實習成果展示
第五章 個人提升（10課時）
簡歷優(yōu)化
面試能力提升
企業(yè)專場招聘會
推薦相關(guān)企業(yè)崗位面試
詳情請掃描咨詢雷鋒網(wǎng)客服
雷鋒網(wǎng)按：小編友情提醒，盡早報名有優(yōu)惠?。。?/span>
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
