第一天

第一部分：人工智能基礎

1.1　人工智能（AI）概述

1.２　AI研究的主要技術(shù)問題

1.３　AI的主要學派

1.４　AI十大應用案例

（１）城市公共資源輔助優(yōu)化配置　

（２）臨床醫(yī)療影像輔助診斷　

（３）英語聽說考試語音評測　

（４）智能供應鏈設計系統(tǒng)

（５）機器翻譯

（６）智能客服機器人　

（７）重點人群身份識別　

（８）智能網(wǎng)絡視頻云服務　

（９）人證比對實名認證

（１０）工業(yè)互聯(lián)網(wǎng)平臺　

1.４　人工智能技術(shù)基礎

１.４.１　搜索與推理技術(shù)

１.４.２　知識表示 　

第二部分：基于知識的人工智能系統(tǒng)及應用

２.１專家系統(tǒng)概念

２.２專家系統(tǒng)結(jié)構(gòu)　

２.３專家系統(tǒng)開發(fā)工具

２.４專家系統(tǒng)設計與實際應用　

２.４.１計算機故障診專家系統(tǒng)　　

２.４.２基于Web與云計算平臺的設備故障診斷專家系統(tǒng)　

2.5? 規(guī)則引擎與JSR94規(guī)范 ??

2.5.1 規(guī)則引擎產(chǎn)生背景

2.5.2 規(guī)則引擎概念

2.5.3 規(guī)則引擎架構(gòu)

2.5.4 JSR94 規(guī)范 --Java規(guī)則引擎API

2.5.5 典型規(guī)則引擎

2.5.6 規(guī)則引擎應用案例（信用卡申請）

第二天

第三部分：知識圖譜

3.1? 知識圖譜概念

3.2? 知識圖譜與專家系統(tǒng)

3.3? 開放知識圖譜

3.4? 知識的提取、表示、存儲與檢索

3.5? 知識圖譜在互聯(lián)網(wǎng)金融行業(yè)的應用

3.6? 實驗： 基于NEO4j的知識圖譜應用系統(tǒng)

第二天

第四部分：基于聯(lián)接的人工智能系統(tǒng)及應用

4.1　神經(jīng)網(wǎng)絡概念

4.2　前饋神經(jīng)網(wǎng)絡算法　

4.3　前饋神經(jīng)網(wǎng)絡設計方法

4.4　前饋神經(jīng)網(wǎng)絡實際應用

4.4.1　基于神經(jīng)網(wǎng)絡的煤礦突水預測系統(tǒng)　　

4.4.2　融合專家系統(tǒng)與神經(jīng)網(wǎng)絡的真空成型機故障診斷系統(tǒng)　

第三天

第五部分：基于深度學習的人工智能系統(tǒng)及應用

5.1　機器學習概念

5.2　深度學習概念

5.3　卷積積神經(jīng)網(wǎng)絡

5.4? 增強學習

5.5? 遷移學習

5.6? 生成對抗網(wǎng)絡

5.7? 主流深度學習框架

5.7.1 TesorFlow 2.4（安裝與實例運行）

5.7.2 ?Keras2.4 （安裝與實例運行）

5.7.3? pytorch

5.8 基于TesorFlow/keras的深度學習應用系統(tǒng)上機實驗

（1）手寫體數(shù)字識別

（2）時裝識別

（3）情感識別

第六部分：基于深度學習的目標檢測與人臉識別

6.1 ?目標檢測（object detection）概念

6.2 傳統(tǒng)的目標檢測方法

6.3? 基于區(qū)域建議(候選框)的目標識別算法

6.3.1? R-CNN

6.3.2? Fast R-CNN

6.3.3? Faster R-CNN

6.3.4 Feature Pyramid Networks(FPN)-特征金字塔網(wǎng)絡

6.4? YOLO——One-Stage目標檢測算法

6.5? SSD與 Retina-Net

6.6? 基于ImageAI? 的計算機視覺編程庫

6.9人臉識別關(guān)鍵技術(shù)概述

6.10人臉檢測算法

6.10.1 人臉檢測算法 MTCNN

6.11 人臉識別算法 - Google FaceNet（2015）

6.11 基于MTCNN和facenet實現(xiàn)人臉檢測和人臉識別實驗