隨著AI時代到來,人工智能成為熱門技術方向之一。飛速發展的行業使人才需求越來越大,薪資隨之 水漲船高。但由于技術更新快,教育資源有所滯后,真正符合市場需求的人才培養仍面臨巨大挑戰。
基礎性技術崗位
可替代、可復制
機械執行,缺乏開發思維
晉升難,行業局限性
具備完整的開發思維
開發能力可遷移,無行業限制
符合市場人才需求標準
職場晉升快
理工科相關專業背景, 且自身有計算機、數學 等專業基礎。
職業到達瓶頸,初級程 序員可復制性高,無行 業市場競爭力。
研發大牛,需要人工智能 算法與大數據,提升技術 廣度與深度。
對人工智能感興趣,并 有一定的學習動力和自 主學習能力。
應用場景中教學,案例融入知識點
注重方法論教學,培養開發思維
不同框架對比學習,就業面更廣
注重AI+,與其它技術融合
自研元宇宙實驗平臺
充足的實戰資源,拒絕紙上談兵
大型項目高仿真
課程直接配套實操平臺
從機器視覺角度,具像化解析圖像處理、特征提取的過 程,真正去理解和掌握機器視覺中的圖像認知
項目:批量制作畢業證、基于AI開放平臺的圖片識別
展開NLP循環神經網絡學習涉及的關鍵步驟,覆蓋從數據預處理到模型部署的整個過程,同時細化算法原理流程,最終達到可視化結構的區別與先進性的能力。
項目:從零開始手寫GPT
通過結合概率論,實現傳統機器學習的相關算法,并大量地通過組建算法呈現內在的實質與前后關系的聯系,為深度學習打下結實的基礎。
項目:房價線性回歸預測、鮑魚年齡預測、共享單車租賃預測、垃圾郵件分類、乳腺癌分類、糖尿病預測、鳶尾花分類、紅酒品質分類、足球水平聚類、用戶畫像聚類、葡萄干品質分類、蘑菇毒性分類
從Encoder-Decoder結構到注意力機制,從位置編碼到LN,分步驟、分知識點的拆分Transformer的具體結構,并且通過張量維度變化,實現Transformer原架構的搭建與認知。
項目:花卉分類、蜜蜂螞蟻分類、水果分類、中文手寫體識別
從可視化入手,解析卷積能夠更好識別的圖像的原因,結合池化,多通道卷積等,搭建卷積神經網絡的基礎認知與概念。
項目:手寫數字識別、人臉識別、貓狗識別、汽車分類、動物分類、人臉識別
虛擬仿真系統通過搭建經典神經網絡的結構,設置對應的卷積、池化、激活函數的參數以及張量大小,實現經典神經網絡的結構復現,并掌握其優勢。
項目:商品情感分類、風電功率預測、人名歸屬于國籍分類、小說續寫。
分析從2012年到目前的所有算法的共性結構,即MLP多層感知機。深挖深度學習不同算法的共性知識點,并展示數據特征、網絡特征、結果特征的可視化教學。
項目:游戲是否能吃雞預測、PM2.5預測
虛擬仿真系統預設了多個具有代表性的綜合項目,將理論知識與實際應用相結合,驗證整合知識點解決問題的能力,通過解決實際問題來深化對人工智能原理和方法的理解。打造以實踐導向的學習模式。
項目:工業流水線智能分揀、垃圾分類、自動駕駛、大模型部署
采用“可視化算法”教學模式,將算法過程封裝,動態解析代碼,按搭積木式組合讓用戶可視化理 解算法原理,構建整體思維,深入學習。
以深度學習的本質為例,通過傳統學習方式學習一般需要2~3天,但使用人工智能在線實驗平臺只需要半天。
采用“代碼自動生成”教學模式,Python代碼自動生成,根據封裝好的組件自主學習代碼,代碼資源可以遷移到硬件平臺或虛擬場景中驗證。
采用“3D應用場景案例實戰”教學模式。邏輯與算法可接入系統里預設的3D場景中,實現可視化交 互體驗,打造人工智能沉浸式實操環境。
預設工業流水線場景,將待分揀物品輸送到分揀系統,可以自行設計規則和算法,將物品分配到正確的下件系統,訓練規則和算法越優,越能夠實現高速、準確、自動化的分揀處理。
預設自動駕駛的道路場景,感知與識別環境信息與道路信息,完成決策與規劃算法部署,通過類PID算法控制車輛姿態進行自主導航與智能交互。
深入挖掘從transformer到大模型的歷史變遷及技術棧的遷移,帶領大家從零開始搭建GPT大模型網絡,基于此學習各開源大模型的部署與微調。