課程背景

本課程打破先理論再動手的傳統的學習方式，精心按照學習曲線設計課程結構，從人工智能真實的應用場景與案例出發，先講生動的案例，配合詳實的實際操作說明，然后在動手實現場景的基礎上，逐步引入人工智能學習中的相關理論知識，以遞進學習的新穎方式層層剖析人工智能開發的主流場景，讓大家在真正動手開始進行人工智能應用的開發的同時，對人工智能理論學習有更深的理解，提高人工智能學習的效率，可作為有意從事人工智能開發或企業高層管理人員學習的一套實用的實踐教程。

授課形式

理論講解案例分析視頻分享課堂練習實戰演練小組研討互動答疑

課程大綱

1.人工智能應用開發概述

2.預構建的人工智能應用開發案例

2.1.OCR類應用開發詳解

2.1.1.微軟認知服務（影像服務/文本翻譯服務）使用介紹

2.1.2.漫畫翻譯應用開發：小型客戶端軟件的界面設計與實現

2.1.3.習題與進階學習

2.2.搭建中間服務層

2.2.1.認知服務（影像服務/實體搜索服務）使用介紹

2.2.2.商業應用軟件的架構設計

2.2.3.RESTAPI

2.2.4.軟件工程中的需求演進處理

3.定制化的人工智能應用開發案例

3.1.智能家居應用開發詳解

3.1.1.認知服務（語音轉文字服務）使用介紹

3.1.2.認知服務（語言理解服務）使用介紹

3.1.3.在線定制語言理解服務

3.1.4.智能家居應用開發

3.2.看圖識花應用開發詳解

3.2.1.定制化視覺服務使用介紹

3.2.2.基于定制化視覺服務的開發

3.2.3.離線模型推理應用

4.自構建人工智能應用開發案例

4.1.圖像識別類應用開發基礎案例

4.1.1.典型的人工智能應用的代碼結構和功能

4.1.2基于本地模型的手寫數字識別應用開發

4.2.圖像識別類應用開發進階案例

4.2.1.擴展模型介紹

4.2.2.實現手寫算式計算器

4.3.文字理解類應用開發案例

4.3.1.QnA認知服務使用介紹

4.3.2.搭建QnA系統

4.3.3.客戶端訪問QnA系統

4.3.4.結合BotService和QnA系統來構建自動問答平臺

4.4.AI游戲開發案例

4.4.1.黃金點游戲介紹

4.4.2.服務端接口介紹

4.4.3.游戲人工智能策略介紹

4.4.4.實現多個游戲人工智能比賽

4.5.預測股票價格走勢案例

4.5.1.量化交易案例描述

4.5.2.數據說明

4.5.3.環境準備

4.5.4.數據準備

4.5.5.模型訓練和應用

4.5.5.1.梯度提升決策樹

4.5.5.2.神經網絡

4.5.6.作業與挑戰

4.5.6.1.書寫實驗總結

4.5.6.2.實現梯度提升決策樹

4.5.6.3.實現神經網絡

4.5.6.4.改進價格預測模型

4.5.6.5.改進回溯測試交易策略

4.5.6.6.實現量化交易應用

4.6.基于NLP的智能對聯案例

4.6.1.智能對聯案例描述

4.6.2.環境準備

4.6.3.模型訓練

4.6.4.模型推理

4.6.5.應用程序編寫

5.人工智能與倫理

5.1.概述

5.2.人工智能倫理相關概念

5.3.人工智能的倫理問題

5.4.人工智能倫理問題的應對

6.機器學習平臺

6.1.機器學習平臺概述

6.2.機器學習平臺功能詳解

6.3.需求與技術決策

6.4.開源機器學習平臺

7.人工智能前沿綜述

7.1.開源自動機器學習工具