超低门槛人工智能起步班

 授课教师:云博士

 教师简介:美国哈佛大学大数据分析方向博士后,浙江大学计算机科学与技术专业博士,曾任华为高级软件工程师/项目经理。发明专利多项,软件著作权多项,国际重要期刊论文数十篇,国家及省部级项目多项,横向项目数十项。

 有效期:4年

人工智能,一个让人兴奋的领域。


因为有了人工智能,计算机犹如忽然有了魔法加持。


阿尔法狗、人脸识别、语音识别、楼市预测。


人工智能让这些不可能化为可能进入我们的世界。


目前,世界各国各大公司如同搞军备竞赛一样在人工智能领域正如火如荼地进行布局。


因为人工智能代表着人类的未来,谁拥有人工智能最前沿的技术,谁将掌握人类未来的走向。


是的,得人工智能者,得天下。


人工智能人才据估算,目前市场上至少有500万的缺口。


同时,人工智能行业的薪资也是水涨船高,年薪30万居然只是白菜价!


亚马逊甚至开出了千万美元年薪来吸引人工智能专家。


看到这里,你可能已经按捺不住想要开始学习人工智能。


但是呢,


人工智能作为前沿新兴领域,资料少。


学习中没有同行者,没有答疑解惑,容易挫伤积极性。


常见的学习资料对基础要求很高,对零基础者极不友好。


线性代数、概率论、数理统计等数学基础及编程基础是否让本热情的你望而却步?


可若是学生时代数学成绩不太好、没有学过编程、非一本高校毕业、计算机培训机构出来的同学,难道就没有可能学会人工智能吗?


不应该这样。


因此,我们开发了“超低门槛人工智能起步班”系列课程。


课程有八个特色。


1、名师授课和答疑:由幂次学院布道师云博士(美国哈佛大学大数据分析方向博士后、浙江大学计算机科学与技术专业博士,曾任华为高级软件工程师/项目经理,参与众多人工智能实战案例)担任全程讲师和答疑老师。


2、数学真正零基础开始:我们假设你没有高中数学基础/高中数学基础不好,因此从高中集合讲起,到线性代数,概率论,数理统计的课程。即使数学再不好,也可以从这里打下学习人工智能的基础。


3、编程真正零基础开始:我们假设你没有任何编程基础,因此编程也从最简单的开始,你可以以自己可感知的速度进步。在此你也会感受到计算机的魅力。(编程基础课程不包含在180天学习周期内,因此已经有了编程基础的同学更好,没有也没有任何影响。)


4、学习周期长:合计180天的学习周期,不求快,更追求学生吸收内容的质量,真正学会了没有。


5、完善的答疑系统:学习中很常见的问题就是有问题而无人答。你每提出一个问题,幂次学院的答疑系统都会为你推送给你的几百名同学和专业的答疑老师,让你的每个问题以最快速度收到答复。


6、直播+直播回放课程:直播+直播回放课程保证学习效果。为回放设立Deadline,4年内可随时随地回看。


7、颁发结业证书:颁发幂次学院结业证书,分电子版和实体版,支持永久联网查询。


8、知识树模型:为每位同学建立知识树模型,为以后打算进入人工智能界的同学应聘助力。


学习完课程,你已真正进入人工智能领域,你将可以实现一些简单的人工智能小项目。


而若需要继续深造,幂次学院还有机器学习365天特训营系列课程,助你成为专业的人工智能人才。


就是现在,人工智能。


你准备好了吗?

    • 必修

              1.1 集合的含义与表示,集合间的基本关系,集合的基本运算

    • 必修

              2.1 概念,定义域,值域,区间,函数表示法,分段函数,映射

    • 必修

              3.1 单调性,最大最小值,奇偶性

    • 必修

              4.1 指数函数,对数函数,幂函数

    • 必修

              5.1 函数的零点,二分法

    • 必修

              6.1 几类不同增长的函数模型,解决应用问题的基本步骤

    • 必修

              7.1 直线的倾斜角与斜率,直线的方程,直线的交点坐标与距离公式(一)

              7.2 直线的倾斜角与斜率,直线的方程,直线的交点坐标与距离公式(二)

    • 必修

              8.1 向量与向量运算,矩阵与矩阵运算

              8.2 卷积运算

    • 必修

              9.1 概率论(一)随机变量及其概率分布1

              9.2 概率论(二)随机变量及其概率分布2

              9.3 概率论(三)常见概率分布

    • 必修

              10.1 算法与程序框图,基本算法语句,简单算法案例(闰年的判断,斐波那契数列,水仙花数)

    • 必修

              11.1 什么是人工智能(一)

              11.2 什么是人工智能(二)

    • 必修

              12.1 什么是机器学习,数据集,特征,训练集,测试集,监督学习与无监督学习,假设空间

              12.2 过拟合和欠拟合,偏差和方差,超参数,评估方法

    • 必修

              13.1 Python与机器学习

              13.2 神经网络(一)

              13.3 神经网络(二)

              13.4 决策树1

              13.5 决策树2

              13.6 k近邻算法

              13.7 支持向量机

    • 必修

              14.1 处理缺失数据,处理类别数据,划分数据集,数据标准化与归一化

              14.2 特征选择,特征排序

    • 必修

              15.1 k-折交叉验证,学习与验证曲线,参数调优,性能评价指标

    • 必修

              16.1 集成学习概述

    • 必修

              17.1 卷积神经网络

              17.2 深度学习框架与网络模型

    • 必修

              18.1 tensorflow与keras构建模型基本流程

              18.2 文本分类与回归

              18.3 过拟合欠拟合,模型的保存与恢复

              18.4 使用 Estimator 构建线性模型

              18.5 使用 Estimator 构建卷积神经网络

              18.6 keras下CNN分类

              18.7 使用 RNN 生成文本

              18.8 数据表示法1

              18.9 数据表示法2

    • 必修

              19.1 人工智能分类的基本步骤,特征的提取与表达,设计一个简单的分类器,二分类与多分类问题,分类问题在生活中的应用

    • 必修

              20.1 图像的特征有哪些,深度学习与图像识别,图像识别的应用

    • 必修

              21.1 音频数据特征,音频数据的识别,人工智能在音频数据中的应用

    • 必修

              22.1 视频的特点,视频分析,人工智能在视频理解中的应用

    • 必修

              23.1 常见聚类算法,聚类分析,聚类的实际应用

    • 必修

              24.1 文本的数字特征化,基于人工智能的文本理解

              24.2 基于人工智能的推荐系统

    • 必修

              25.1 数据的不足与问题,判别网络与生成网络

              25.2 生成对抗网络,生成对抗网络的现实应用

    • 必修

              26.1 基于人工智能的棋艺对抗

              26.2 AlphaGo的基本思想

    • 必修

              27.1 手写数字的分类

              27.2 猫狗图像的分类

              27.3 中文垃圾邮件检测

    开课时间:

    2018年9月28日起180天。每周五19:00-20:00,20:00-21:00。

    学习方式:

    在线直播+4年有效期内直播回看

    常见问题:

    Q:适合谁学?

    A:任何对人工智能感兴趣的同学。

    Q:我没有数学基础不好也不会编程可以学会吗?

    A:没有问题。

    Q:课程视频可以回看吗?

    A:在4年有效期内均可回看。

    Q:有学员讨论群组吗?

    A:有。第一节课我们会组织学员进群,后期有问题可以相互讨论。

    Q:可以下载课件、课上讲师的源码吗?

    A:可以。每节直播课程结束后会将课上所有文件归档,学员可自由下载。

    Q:其他问题?

    A:请移步联系方式

    做口碑最好的人工智能线上教育品牌