时间

主题

内容

第一天

上午

人工智能技术体系

1、人工智能的基本知识体系

2、人工智能的发展与主要技术突破

3、人工智能与机器学习的关系

4、机器学习的主要概念：训练方法，特征空间，

紧致性和可分性，泛化能力；

分类与聚类，有监督和无监督，

特征降维；线性分类器，贝叶斯分

类器，随机森林分类器，神经网络分类器。 

机器学习技术

第一天

下午

数据分析基本技能

1、数据预处理与数据格式转换

2、多维数据的切片与筛选

3、特征提取与模型建立

4、机器学习模型性能评价

Python开发环境和主要数据分析模块

1、Anaconda 安装与使用

2、Pycharm 集成开发环境

3、Jupyter 开发环境搭建

4、Tensorflow + Keras 框架

5、Python语言与其他语言的跨语言调用

第二天

上午

Numpy数据分析与应用案例

1、numpy数据分析与交通流量预测案例

1）时间序列模型

2）数据预处理与模型训练

2、机场安检托盘物品检测案例

1）图像数据的处理

2）物品定位方法

下午

Pandas

和matplotlib工具包使用和案例分析

1、pandas数据处理技巧及应用案例

1）车流量数据的预处理方法

2）数据缺失值得填充方法

3）多维数据可视化方法

4）空间数据可视化方法

第三天

上午

机器学习算法与案例分析

1、 神经网络模型以及其图像和数据分析中的应用案例分析

2、机场安检托盘物品检测案例

1）图像数据的处理

2）物品定位方法

3、出租车位置聚类算法案例

4、摩拜单车需求量预测案例

下午

深度学习应用案例

1、机场安检危险物品识别方法

1）数据的格式转换

2）模型参数调整和优化

3）应用程序部署方法

2、停车场自动收费系统

1）车牌识别

2）车型识别

3）应用程序生成与部署