
課程咨詢: 400-996-5531 / 投訴建議: 400-111-8989
認真做教育 專心促就業(yè)
達內(nèi)AI人工智能詳細課程大綱。達內(nèi)教育ai人工智能培訓課程市場反響一直不錯,關(guān)于達內(nèi)AI人工智能課程的詳細大綱如下:
第一階段 Python核心語言
【核心能力】 熟練掌握Python語法、熟練掌握OOP設(shè)計思想、熟悉Python標準庫
【核心知識點】
Python核心:計算機核心架構(gòu)、Python程序構(gòu)成及運行原理、數(shù)據(jù)與數(shù)據(jù)操作、核心數(shù)據(jù)類型、數(shù)據(jù)類型轉(zhuǎn)換、運算符、流程控制語句、列表與元組、字典、函數(shù)
面向?qū)ο蟪绦蛟O(shè)計:對象和類、內(nèi)存分配、實例成員、類成員、跨類調(diào)用、MVC架構(gòu)模式、封裝、單繼承、多繼承、多態(tài)、重寫、重載、設(shè)計原則
Python高級:模塊與包、導(dǎo)入、常用模塊、異常處理、迭代器、生成器、lambda表達式、高階函數(shù)、閉包函數(shù)、裝飾器、IO、文件讀寫
【階段項目一】 數(shù)瞰商智運營系統(tǒng)
【階段項目二】 達達聊天機器人
第二階段 數(shù)據(jù)科學與商業(yè)智能
【核心能力】 數(shù)據(jù)處理能力、數(shù)據(jù)分析能力、數(shù)據(jù)可視化能力、數(shù)據(jù)分析思維、商業(yè)運營思維
【核心知識點】
商業(yè)智能數(shù)據(jù)中樞(SQL+Hive)
數(shù)據(jù)庫基礎(chǔ)及高級:數(shù)據(jù)庫/數(shù)據(jù)表增刪查改、高級查詢、窗口函數(shù)、自定義函數(shù)、存儲過程
綜合案例企業(yè)實戰(zhàn)項目:教育機構(gòu)數(shù)據(jù)查詢、企業(yè)員工數(shù)據(jù)查詢、依據(jù)業(yè)務(wù)規(guī)則的用戶分層與業(yè)務(wù)應(yīng)用、日周月報寬表制作與指標計算、基于提高在線教育完課率的用戶成長策略
AI大模型-專題一:傳統(tǒng)SQL查詢 vs 智能增強查詢、高效SQL語句編寫
數(shù)據(jù)科學思維與工具
BI工具安裝及基本操作:PowerBI 介紹、數(shù)據(jù)清洗、數(shù)據(jù)建模、數(shù)據(jù)可視化
PowerBI可視化實踐:企業(yè)駕駛艙、門店經(jīng)營分析、產(chǎn)品分析、用戶分析看板搭建
數(shù)據(jù)分析概述:職責與技能要求、思維與指標體系、DeepSeek在Office的部署
Excle數(shù)據(jù)分析與可視化基礎(chǔ):Excel基本操作、數(shù)據(jù)處理方法、基于函數(shù)的數(shù)據(jù)提取與表關(guān)聯(lián)、圖表的基礎(chǔ)應(yīng)用與高級應(yīng)用
數(shù)據(jù)分析常用方法:描述性統(tǒng)計、分組分析、矩陣分析、漏斗分析、RFM模型、帕累托分析、綜合評價分析、預(yù)測分析
【階段項目一】基于提高在線教育完課率的用戶成長策略
【階段項目二】依據(jù)業(yè)務(wù)規(guī)則的用戶分層與業(yè)務(wù)應(yīng)用
【階段項目三】日周月報寬表制作與指標計算
【階段項目四】基于數(shù)據(jù)庫的電商銷售管理系統(tǒng)
【階段項目五】職業(yè)教育學科調(diào)整決策輔助
【階段項目六】品牌連鎖店智能分析系統(tǒng)
【階段項目七】DeepSeek競品分析與年度分析報告
第三階段 機器學習與數(shù)據(jù)挖掘
【核心能力】 機器學習知識體系、AI算法能力、數(shù)據(jù)挖掘能力
【核心知識點】
科學計算庫
Numpy基本知識:創(chuàng)建Ndarray數(shù)組、數(shù)組屬性、數(shù)組操作、統(tǒng)計函數(shù)、算數(shù)函數(shù)
Pandas基礎(chǔ)知識:創(chuàng)建Series、DataFrame、增刪查改操作、Pandas 獲取數(shù)據(jù)
Matplotlib及Pandas可視化:Matplotlib基礎(chǔ)繪圖、Pandas數(shù)據(jù)可視化
描述性分析及分組分析:描述性統(tǒng)計分析、探索性分析、數(shù)據(jù)透視表、交叉表
數(shù)據(jù)預(yù)處理:合并數(shù)據(jù)、清洗數(shù)據(jù)、標準化數(shù)據(jù)、正則、二手房源數(shù)據(jù)預(yù)處理
Pandas項目實戰(zhàn)
【醫(yī)療行業(yè)項目實戰(zhàn)】朝陽醫(yī)院指標搭建及銷售數(shù)據(jù)匯總
【電商行業(yè)項目實戰(zhàn)】優(yōu)衣庫銷售數(shù)據(jù)分析、4P分析法、目標額度分配
【金融行業(yè)項目實戰(zhàn)】銀行業(yè)電話營銷活動分析
【通信行業(yè)項目實戰(zhàn)】通訊公司客戶響應(yīng)速度提升項目
【零售行業(yè)項目實戰(zhàn)】新零售超市經(jīng)營分析、SWOT競品分析、活動分析
【互聯(lián)網(wǎng)行業(yè)項目實戰(zhàn)】滴滴出行運營數(shù)據(jù)指標異常情況分析
【電商行業(yè)項目實戰(zhàn)】淘寶百萬級用戶行為分析、跨境電商年度復(fù)盤分析
AI數(shù)學基礎(chǔ)
【統(tǒng)計學基礎(chǔ)】概率分布、中心極限定理、參數(shù)估計、假設(shè)檢驗、AB Test
【AI數(shù)學】線性代數(shù)包含微積分向量、矩陣計算等,微積分包含梯度、求導(dǎo)、偏導(dǎo)數(shù)等
機器學習及數(shù)據(jù)挖掘
【機器學習概述】機器學習的定義、分類、應(yīng)用場景
【回歸問題及案例】線性回歸、線性模型訓練方法、多項式式回歸、欠擬合過擬合、Lasso回歸與嶺回歸、決策樹的定義、決策樹回歸CART算法
【分類問題及案例】邏輯回歸定義及實操、支持向量機(SVM)原理、核函數(shù)、貝葉斯定理、樸素貝葉斯分類器、決策樹分類概述、信息熵、信息增益、ID3算法、C4.5算法、人力資源數(shù)據(jù)分析與挖掘案例、信用貸貸前審批項目
【集成算法】Boosting/Bagging/Stacking、AdaBoost、GBDT、XGBoost、隨機森林
【聚類問題及案例】距離算法、聚類模型劃分、經(jīng)典聚類算法(k-means、DBSCAN)、航空公司客戶價值分析
【時間序列模型】 ARMA/ARIMA
【模型評估與優(yōu)化】分類、回歸、聚類模型評價方法、超參數(shù)調(diào)優(yōu)方法
【階段項目一】朝陽醫(yī)院指標搭建及銷售數(shù)據(jù)匯總
【階段項目二】服裝零售銷售數(shù)據(jù)分析
【階段項目三】銀行業(yè)電話營銷活動分析
【階段項目四】通訊公司客戶響應(yīng)速度提升項目
【階段項目五】新零售超市經(jīng)營分析
【階段項目六】互聯(lián)網(wǎng)出行運營數(shù)據(jù)指標異常情況分析
【階段項目七】淘寶百萬級用戶行為分析、跨境電商年度復(fù)盤分析
【階段項目八】航空公司客戶價值分析
【階段項目九】信用貸貸前審批項目、風控模型
第四階段 深度學習
【核心能力】 深度學習算法能力、圖像算法能力、自然語言處理算法能力、AI架構(gòu)/方案設(shè)計能力、AI產(chǎn)品設(shè)計能力
【核心知識點】
深度學習基礎(chǔ)
【深度學習基本理論】深度學習概述(定義、優(yōu)缺點、與機器學習對比、課程內(nèi)容與特點)、神經(jīng)網(wǎng)絡(luò)、激活函數(shù)、損失函數(shù)(均方差、交叉熵)、梯度下降、反向傳播算法
【卷積神經(jīng)網(wǎng)絡(luò)】卷積函數(shù)、卷積運算、CNN、經(jīng)典CNN模型介紹(LeNet、AlexNet、VGG、ResNet)
【循環(huán)神經(jīng)網(wǎng)絡(luò)】經(jīng)典時間序列模型(RNN、LSTM)
【Transformer】注意力/自注意力機制、多頭注意力機制、Transformer
計算機視覺(CV)
【計算機圖像基本理論】成像原理(采樣率/分辨率)、灰度級與灰度圖、色彩空間(RGB/HSV);圖像形態(tài)變換(仿射/透視變換、腐蝕/膨脹);圖像色彩處理(灰度化/二值化、直方圖均衡化);圖像梯度與濾波(邊緣檢測、模糊/銳化)
【OpenCV圖像預(yù)處理技術(shù)】OpenCV簡介與安裝、圖像色彩操作與變換、圖像形態(tài)操作與變換、圖像梯度
【綜合案例】圖像校正、鍍盤區(qū)域瑕疵檢測
【PyTorch】概述、體系結(jié)構(gòu)、基本概念、張量操作、模型定義;模型保存與加載、數(shù)據(jù)讀取、文件隊列、樣本批處理
【綜合案例】 搭建CNN網(wǎng)絡(luò)
【PaddlePaddle基礎(chǔ)】PaddlePaddle概述、體系結(jié)構(gòu)、基本概念、數(shù)據(jù)讀取器
【PaddlePaddle CV】圖像分類問題概述、分類粒度、發(fā)展歷程、應(yīng)用、常用數(shù)據(jù)集
【綜合案例】使用CNN實現(xiàn)彩色圖像分類、樣本優(yōu)化、參數(shù)優(yōu)化、模型優(yōu)化
【目標檢測基本理論與原理】目標檢測的定義、核心問題、算法分類、應(yīng)用;模型結(jié)構(gòu)概述、輸入、骨干網(wǎng)、特征融合、輸出、多尺度檢測、非極大值抑制
【圖像標注工具】常用數(shù)據(jù)集、LabelImg工具安裝、使用、目標檢測數(shù)據(jù)格式
【Tow Satege檢測】兩階段檢測原理、R-CNN、Fast R-CNN、Faster R-CNN
【One Stage檢測】一階段檢測原理、YOLO1/2/3/4/5/8/10/11、SSD
【YOLO3模型實現(xiàn)】darknet-53網(wǎng)絡(luò)模型、損失函數(shù)、訓練、測試
【YOLOv8/YOLO11模型實現(xiàn)】通過ultralytics框架實現(xiàn)數(shù)據(jù)準備、模型訓練、模型評估、模型推理、輸出模型
【圖像分割原理及經(jīng)典模型】圖像分割概述、應(yīng)用、圖像分割基本原理、全卷積網(wǎng)絡(luò)(FCN)、圖像分割數(shù)據(jù)集介紹、標注工具;UNet模型、Mask-RCNN、DeepLab系列、TransUNet
【OCR基本理論】OCR定義、一般步驟、與目標檢測的區(qū)別、難點、評估指標、應(yīng)用、CTPN、SegLink、DBNet 、CRNN+CTC
【OCR模型優(yōu)化】數(shù)據(jù)優(yōu)化、模型優(yōu)化、參數(shù)優(yōu)化、集成學習、外部環(huán)境改善自然語言處理基礎(chǔ)(NLP)
【語言模型】定義、N-Gram、神經(jīng)網(wǎng)絡(luò)語言模型(NNLM)、Word2Vec、Skip-gram、CBOW
【綜合案例】利用Word2Vec訓練詞向量
【循環(huán)神經(jīng)網(wǎng)絡(luò)-RNN】基本概念、發(fā)展歷史、RNN基本框架、RNN典型應(yīng)用、時間反向傳播算法(BPTT)、LSTM、GRU
【注意力與Transformer】Seq2Seq模型、注意力(Attension)、Transformer、模型預(yù)訓練與微調(diào)、BERT模型
【大模型算法與原理】GPT1/GPT2/GPT3、InstructGPT、ChatGPT
【階段項目一】工業(yè)視覺檢測
【階段項目二】基于YOLOv11的視頻實時檢測系統(tǒng)
【階段項目三】OCR票據(jù)識別
【階段項目四】自動駕駛場景圖像分割
【階段項目五】醫(yī)學影像分析
【階段項目六】基于Transformer的翻譯系統(tǒng)
【階段項目七】基于預(yù)訓練模型的關(guān)鍵信息提取系統(tǒng)
第五階段 AIGC與大模型
【核心能力】 AIGC開發(fā)能力、大模型開發(fā)能力、大模型微調(diào)能力、對話系統(tǒng)構(gòu)建能力、智能體構(gòu)建能力
【核心知識點】
AIGC與大模型
【大模型開發(fā)生態(tài)介紹】大模型開發(fā)背景、大模型改進方向、主流大模型對比、LLM應(yīng)用三個層級、Langchain六大模塊介紹(I/O、Retrieval、chain、agent、memory、callback)
【DeepSeek大模型開發(fā)】DeepSeek開放平臺介紹、安裝SDK、創(chuàng)建應(yīng)用、密鑰管理、調(diào)用LLM
【Prompt工程】Prompt工程介紹、Prompt調(diào)優(yōu)、Few-Shot、One-Shot、LLM溫度調(diào)節(jié)、思維鏈、進階技巧(自洽性,思維樹,提示詞注入,入場攔截與出場攔截)
【Rag技術(shù)】檢索增強生成介紹、向量數(shù)據(jù)庫ChromaDB
【千帆平臺】簡介介紹、知識庫搭建、完成推理、進階技巧(文本分割的顆粒度、Rag改進)
【Agent】Agent介紹、coze平臺介紹、搭建低代碼代理
【Fine-tuning】LLM微調(diào)發(fā)展歷程、有監(jiān)督微調(diào)和指令微調(diào)、輕量化微調(diào)(Lora、AdaLora、QLora)
【大模型項目實戰(zhàn)】基于LLM的對話系統(tǒng)
【階段項目一】 基于大模型的對話系統(tǒng)
培優(yōu)階段-Python全棧開發(fā)
【核心能力】 后端開發(fā)能力、軟件架構(gòu)設(shè)計能力、AI模型部署能力、AI應(yīng)用開發(fā)能力
【核心知識點】
Linux
【Linux簡介】Linux操作系統(tǒng)、Linux發(fā)展史、Linux發(fā)行版、文件系統(tǒng)、絕對路徑和相對路徑
【Linux 系統(tǒng)管理】ls cd mv cp rm mkdir touch echo cat tar chmod sudo find grep tree vi編輯器 pip工 apt工具 ssh工具
網(wǎng)絡(luò)基本概念、UDP通信、三次握手和四次揮手、TCP套接字TCP處理細節(jié)、TCP協(xié)議、HTTP協(xié)議多任務(wù)編程概念、multiprocessing創(chuàng)建進程、threading線程模塊、線程的同步互斥、GIL問題、進程線程網(wǎng)絡(luò)并發(fā)模型,ftp文件服務(wù)器、Django安裝、路由、URL配置、視圖處理、Http請求和響應(yīng)、Content-Type類型、MVC與MTV設(shè)計模式、模板的加載、模板的傳參、模板變量、if標簽、for標簽、靜態(tài)文件、Django應(yīng)用、分布式路由、模型、ORM、創(chuàng)建和使用模型、配置數(shù)據(jù)庫、模型類、數(shù)據(jù)字段和字段選項、Django Shell、通過模型增加、查詢、修改、刪除數(shù)據(jù)、 F對象 Q對象 原生數(shù)據(jù)庫操作、SQL注入、Admin后臺管理、一對一映射查詢、一對多映射查詢、多對多映射查詢、Cookie 和 Session 、后端緩存、中間件Middleware、電子郵件發(fā)送、 項目部署、WSGI配置、Nginx反向代理、靜態(tài)文件收集
Docker
【Docker基礎(chǔ)】 Docker簡介、虛擬化、Docker安裝與配置、Docker鏡像、Docker容器
【Docker進階】 Docker容器編排、Docker網(wǎng)絡(luò)、Docker 部署AI模型
【階段項目一】基于大模型的知識管理系統(tǒng)
以上內(nèi)容是關(guān)于達內(nèi)AI人工智能培訓課程的詳細大綱,如果想要了解詳細的項目及案例也可以留言或者咨詢右側(cè)客服小姐姐獲得詳細的課程內(nèi)容并且申請免費試聽課程。
【免責聲明】本文部分系轉(zhuǎn)載,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點和對其真實性負責。如涉及作品內(nèi)容、版權(quán)和其它問題,請在30日內(nèi)與聯(lián)系我們,我們會予以更改或刪除相關(guān)文章,以保證您的權(quán)益!