一年一度的暑假要来了,对很多大三、大四同学们来说,2个月长假的同时也意味着2个月后就要为找工作做准备了,相信很多同学已经在暑期开始准备自己的简历了,不过面对寥寥无几的校园学习经历和实习经验,如何才能在众多应聘者中脱颖而出呢?更别说加入顶尖的AI人工智能企业了。
为了解决众多学生的求职难题,AI慕课学院联合雷锋网、哈尔滨工业大学(深圳)在深圳举办了“CV视觉工程师入职培训暑期班”,希望通过2个月的时间帮助广大同学们搞定“理论学习,企业实习以及面试入职”等重要环节,既能提升CV方向的理论学习,又能丰富实习经验,还有机会入职知名AI公司,这个暑期你还在犹豫什么?CV视觉工程师入职培训暑期班最后20个名额,等你来报名!
基础课程全部由哈尔滨工业大学(深圳)计算机学院教师团队任教,具有丰富的教学经验;实践课程聘请人工智能行业合作企业资深工程师任教,项目实战研发经验丰富,可提供企业海量数据案例供学生学习。
大道智创CTO邢志伟是哈尔滨工业大学博士, 曾任职于NVDIA深圳公司并负责领导多项显卡设计开发
宜远智能CEO吴博先后在清华大学、香港浸会大学求学,并在英国利兹大学完成博士后
第一章 AI入门基础(共120课时)
一、数学基础(40课时)
1. 线性代数与矩阵论
知识点1: 向量、矩阵简介、向量范数、矩阵范数
知识点2 :矩阵的运算,行列式
知识点3: 条件数、线性子空间、矩阵的正交化,矩阵求逆
2. 概率论与统计
知识点1: 随机试验、随机事件的关系及运算
知识点2 :事件的概率,条件概率
知识点3 :独立、条件独立,常见分部介绍
3. 凸优化
知识点1: 机器学习与优化关系,凸集、凸函数简介
知识点2 :极值点、最值点、梯度、方向导数
知识点3 :约束问题的KKT条件
二、编程基础(40课时,建议最好有编程基础,这类课程做课时上的压缩,重点介绍CV常用的语言知识点)
Python
知识点1 :基础语法
知识点2 :循环、字符串、列表
知识点3 :元祖、字典、函数
知识点4 :文件操作、面向对象
知识点5: 正则表达式
知识点6: 排序算法
知识点7 :数据分析与可视化实践
三、机器学习 (40课时)
1. 机器学习原理
知识点1: 线性回归、logistic回归、梯度下降
知识点2: 决策树、随机森林、GBDT
知识点3:SVM与数据分类
知识点4 :特征工程:数据清洗、异常点处理、特征抽取、选择与组合
知识点5: logistic回归Softmax SVM与朴素贝叶斯的精髓速讲
知识点6 :决策树 随机森林 boosting 模型融合的精髓速讲
2. 机器学习实战
知识点1 :机器学习流程、预处理、特征工程
知识点2: Kaggle机器学习比赛中的特征工程处理实战
知识点3 :模型评判标准与部分机器学习有监督算法
知识点4 :sklearn接口熟悉与机器学习建模指导
知识点5 :sklearn建模与使用
知识点6:机器学习有监督算法与无监督学习
知识点7 :集成算法与Xgboost/LightGBM
第二章 计算机视觉理论与实战(共110课时)
一、计算机视觉基础(50课时)
图像识别
目标检测&跟踪
图像分割
二、深度学习的算法与实践(50课时)
1. 深度学习原理
知识点1 :人工神经网络(ANN)
知识点2 :深度学习(Deep Learning)及TensorFlow等框架
知识点3 :卷积神经网络(CNN)
知识点4 :循环神经网络(RNN)
知识点5 :长短时记忆网络(LSTM)
知识点6 :循环神经网络变种
知识点7 s:eq2swq模型
2. 深度学习实战
知识点1 :Caffe实战图像分类
知识点2 :Tensorflow实战图像风格转换实现
知识点3 :google wide&deep模型
三、神经网络的优化问题与源码解析(10课时)
如何选择适合某一问题的网络
神经网络参数如何初始化
选择怎样的梯度下降方法
深度学习平台的代码架构
如何高效实现计算(以卷积层为例)
第三章 企业项目实战讲解(20*3=60课时)
企业A项目案例分析
企业B项目案例分析
企业C项目案例分析
第四章 企业实习(80课时)
企业培训(代码规范)
项目实战能力测试
企业项目实操
实习成果展示
第五章 个人提升(10课时)
简历优化
面试能力提升
企业专场招聘会
推荐相关企业岗位面试
详情请扫描咨询雷锋网(公众号:雷锋网)客服
雷锋网按:小便友情提醒,尽早报名有优惠!!!