六月, 2026
286月全天30人工智能实践项目案例分析与实战应用(全天) 广州 价格: 6800
课程介绍
【课程信息】 课程时间&地点：2026年06月28-30日 广州 课程对象：技术管理者：技术总监、产品经理、项目主管等，需掌握AI技术路径与落地逻辑；战略决策者：企业高管、业务负责人等，关注AI赋能业务、驱动组织转型与战略布局。技术研发人员：包括政府、企业及高校中从事AI相关研发的工程师、研究员、架构师等；高级学术人才：高校教师、硕士、博士研究生及相关专业学生等，致力于AI前沿研究与工程实践。 课程费用：6800元/人（含培训费、平台费、资料费、视频回放、证书、发票等费用） 【课程介绍】 人工智能作为引领新一轮科技革命与产业变革的战略性技术，正深刻重塑全球经济格局与产业生态。随着大模型、多模态学习、强化学习等前沿技术的快速发展，人工智能已从实验室走向规模化应用，成为企业实现智能化转型、提升核心竞争力的关键驱动力。 为助力各单位把握AI技术演进脉络，推动技术与业务深度融合，本次培训聚焦人工智能“实践项目案例”与“实战应用能力”，系统梳理从基础理论到行业落地的完整知识体系，旨在培养具备前瞻视野与实操能力的高层次AI人才，为企业创新与可持续发展提供坚实支撑。 通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员获得： 1.理论知识与技能提升—深化理论理解、掌握实践技能、培养问题解决能力； 2.行业洞察与经验积累—了解行业应用趋势，积累项目实施经验，拓展行业人脉资源； 3.创新思维与能力培养—激发创新灵感，培养批判性思维，提升综合创新能力； 4.职业发展与竞争力提升—增强就业竞争力，适应职业发展需求，助力职业转型与晋升。 【课程纲要】 日程 主题 内容 第一天 深度学习基础 1. 神经元与神经网络 2. 激活函数的点火机制 3. Sigmoid函数与参数优化 4. 梯度下降法 5. 简单感知机 6. 多层感知机 7. Tensorflow实现感知机 8. Keras实现感知机 9. PyTorch实现感知机 深度学习进阶 1. 前馈神经网络 2. 误差反向传播 3. 创建神经网络 4. Fashion-MNIST图像识别 5. TensorFlow构建图像识别网络模型 6. Keras构建图像识别网络模型 7. PyTorch构建图像识别网络模型 卷积神经网络与图像识别 1. 卷积神经网络的结构 2. 基于TensorFlow构建CNN 3. 基于Keras构建CNN 4. 基于PyTorch构建CNN 第二天 物体的图像识别 1. 多分类数据集CIFAR-10介绍 2. CNN识别普通物体的结构 3. 基于TensorFlow+CNN构建物体识别模型 4. 基于Keras+CNN构建物体识别模型 5. 基于PyTorch+CNN构建物体识别模型 6. 模型调优提高物体识别精度 基于ResNet（残差神经网络）的图像识别 1. ResNet（残差神经网络）介绍 2. 残差学习的核心优势 3. ResNet的基本网络结构 4. 案例实战：基于ResNet构建高精度的图像分类器 5. 迁移学习：预训练ResNet模型快速实现特定场景识别 6. ResNet变体与发展 GYM与强化学习 1. GYM安装与游戏奖罚设置 2. 强化学习的与众不同 3. 马尔科夫性质与决策过程 4. SARSA算法介绍与推导 5. 蒙特卡洛多步采样 第三天 YOLO系列算法与目标检测实战 1. YOLO(You Only Look Once)核心概念 2. 目标检测关键指标：IoU与mAP 3. YOLOv5/v8网络结构解析 4. 案例实战：基于YOLOv8的安全帽佩戴识别 5. 模型部署与优化 6. YOLO系列发展与展望 YOLO-Seg的实例分割实战 1. 从目标检测到实例分割 2. YOLOv8-Seg模型结构解析 3. 分割任务关键指标：Mask
更多
课程介绍
【课程信息】
课程时间&地点：2026年06月28-30日 广州
课程对象：技术管理者：技术总监、产品经理、项目主管等，需掌握AI技术路径与落地逻辑；战略决策者：企业高管、业务负责人等，关注AI赋能业务、驱动组织转型与战略布局。技术研发人员：包括政府、企业及高校中从事AI相关研发的工程师、研究员、架构师等；高级学术人才：高校教师、硕士、博士研究生及相关专业学生等，致力于AI前沿研究与工程实践。
课程费用：6800元/人（含培训费、平台费、资料费、视频回放、证书、发票等费用）
【课程介绍】
人工智能作为引领新一轮科技革命与产业变革的战略性技术，正深刻重塑全球经济格局与产业生态。随着大模型、多模态学习、强化学习等前沿技术的快速发展，人工智能已从实验室走向规模化应用，成为企业实现智能化转型、提升核心竞争力的关键驱动力。
为助力各单位把握AI技术演进脉络，推动技术与业务深度融合，本次培训聚焦人工智能“实践项目案例”与“实战应用能力”，系统梳理从基础理论到行业落地的完整知识体系，旨在培养具备前瞻视野与实操能力的高层次AI人才，为企业创新与可持续发展提供坚实支撑。
通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员获得：
1.理论知识与技能提升—深化理论理解、掌握实践技能、培养问题解决能力；
2.行业洞察与经验积累—了解行业应用趋势，积累项目实施经验，拓展行业人脉资源；
3.创新思维与能力培养—激发创新灵感，培养批判性思维，提升综合创新能力；
4.职业发展与竞争力提升—增强就业竞争力，适应职业发展需求，助力职业转型与晋升。
【课程纲要】
| 日程 | 主题 | 内容 |
| 第一天 | 深度学习基础 | 1. 神经元与神经网络
2. 激活函数的点火机制 3. Sigmoid函数与参数优化 4. 梯度下降法 5. 简单感知机 6. 多层感知机 7. Tensorflow实现感知机 8. Keras实现感知机 9. PyTorch实现感知机 |
| 深度学习进阶 | 1. 前馈神经网络
2. 误差反向传播 3. 创建神经网络 4. Fashion-MNIST图像识别 5. TensorFlow构建图像识别网络模型 6. Keras构建图像识别网络模型 7. PyTorch构建图像识别网络模型 |
|
| 卷积神经网络与图像识别 | 1. 卷积神经网络的结构
2. 基于TensorFlow构建CNN 3. 基于Keras构建CNN 4. 基于PyTorch构建CNN |
|
| 第二天 | 物体的图像识别 | 1. 多分类数据集CIFAR-10介绍
2. CNN识别普通物体的结构 3. 基于TensorFlow+CNN构建物体识别模型 4. 基于Keras+CNN构建物体识别模型 5. 基于PyTorch+CNN构建物体识别模型 6. 模型调优提高物体识别精度 |
| 基于ResNet（残差神经网络）的图像识别 | 1. ResNet（残差神经网络）介绍
2. 残差学习的核心优势 3. ResNet的基本网络结构 4. 案例实战：基于ResNet构建高精度的图像分类器 5. 迁移学习：预训练ResNet模型快速实现特定场景识别 6. ResNet变体与发展 |
|
| GYM与强化学习 | 1. GYM安装与游戏奖罚设置
2. 强化学习的与众不同 3. 马尔科夫性质与决策过程 4. SARSA算法介绍与推导 5. 蒙特卡洛多步采样 |
|
| 第三天 | YOLO系列算法与目标检测实战 | 1. YOLO(You Only Look Once)核心概念
2. 目标检测关键指标：IoU与mAP 3. YOLOv5/v8网络结构解析 4. 案例实战：基于YOLOv8的安全帽佩戴识别 5. 模型部署与优化 6. YOLO系列发展与展望 |
| YOLO-Seg的实例分割实战 | 1. 从目标检测到实例分割
2. YOLOv8-Seg模型结构解析 3. 分割任务关键指标：Mask AP 4. 案例实战：基于YOLOv8-Seg的道路裂缝分割 5. 模型推理与掩码处理 6. YOLO在分割领域的应用与未来 |
|
| 飞浆的PaddlePaddle
目标检测 |
1. 飞桨（PaddlePaddle）深度学习框架介绍
2. 硬件环境介绍、要求、安装注意事项 3. PaddleDetection：飞桨官方目标检测开发套件 4. 飞桨的核心优势：PP-YOLOE模型解析 5. 如何快速使用PaddlePaddle进行目标检测 6. 案例实战：PaddleDetection的工业零件缺陷检测 7. 模型动静转换与高性能部署 |
|
| 第四天 | 注意力机制 | 1. 点积注意力机制
2. 编码与解码注意力 3. 注意力机制中的Q、K、V 4. 自注意力与多头注意力 |
| TransFormer架构解析 | 1. 各种注意力的应用
2. 编码器输入与位置编码 3. 编码器的内部结构 4. 训练自己的TransFormer模型 |
|
| Hugging Face平台介绍与使用 | 1. Hugging Face平台简介与生态系统
2. Hugging Face数据集库 3. Transformers库的使用 4. 模型部署与推理API |
【专家介绍】
➤ 刘老师 | 国内顶尖AI专家、大数据技术专家
西安邮电大学计算机科学与技术专业。拥有着20多年软件研发与企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通机器学习、深度学习、大模型技术。他的专业素养和教学能力备受学员赞誉，是众多技术爱好者心中的楷模。
AI深度学习方法：Scikit-Learn，Tensorflow、Keras、DNN、CNN、RNN、Yolo、OpenCV熟悉主流机器学习算法、各种神经网络结构和图形图像识别技术。
LLM大模型方向：DeekSeek、ChatGLM、ChatGPT4、Llama3、Agent、React、Ollama、Dify、Llamafactory微调、DeepSpeek分布式训练、MindFormers生态、MoE混合专家模型。能根据客户的需求实现定制化的模型私有化部署、微调、对齐、量化。并对LangChain、LlamaIndex、Dify等大模型框架有源码级的理解。
➤ 邹老师 | 某工业大学人工智能研究院院长
博士学历，毕业于中国地质科学院，兼任天津大学创业导师、山东交通学院客座教授、硕士生导师。主持研发50多个人工智能领域工业级项目，广泛应用于能源、医疗、交通、气象、银行等多个领域。
硕博期间主持研发大型行业建模软件，代码量100万行（从底层开发是考虑后期维护和产权）。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。成立中国科学院邹博人工智能研究中心，在翔创、天识等公司担任技术顾问，曾在多个在线平台授课，广受网友好评，累计学习人数超过百万。
公开出版《强化学习》、《Python深度学习实践》、《自然语言处理》等11部专著和译著。在国内外期刊会议发表论文10余篇，获得国家发明专利1项，著书1本，译书6本。2017年主持科研项目荣获国土资源科学技术一等奖。
为众多知名企业进行过上百场讲座和内部培训，其中包括中国移动、CSDN、中国建设银行、花旗银行、中信集团、中航信、烽火科技、京东方、中科曙光、京东、大唐、完美世界等。
时间
六月 28 (星期日) - 30 (星期二)
地点
广州
价格
6800
