【计算机视觉工程师线下暑假班】

人工智能是计算机科学的重要分支，从诞生以来，它的理论和技术日益成熟，应用领域也不断扩大，正在迅猛改变各行各业的就业形势。课程前期课程围绕数学基础、编程基础和机器学习讲解，中期重点针对计算机视觉方向展开理论与实践教学，后期由企业工程师针对企业项目进行实战演练。

针对计算机视觉工程师的市场需求，以学生为中心，采用小班化、小组化教学，培养学生团队协作能力与实际工作能力，选取循序渐进的真实案例为载体构建学习情境，培养学生项目实战能力。

通过课程的系统学习能够掌握基本图像处理的算法及实现原理，了解神经网络源码与优化，能够达到参与企业项目实战所需的能力要求。

 

【课程亮点】

 

 ►基础强化

 

【课程大纲】

 

 第一章  AI入门基础（共120课时） 

一、数学基础（40课时）

        1. 线性代数与矩阵论

知识点1 向量、矩阵简介、向量范数、矩阵范数

知识点2 矩阵的运算，行列式

知识点3 条件数、线性子空间、矩阵的正交化，矩阵求逆

知识点4 线性方程组求解

知识点5 矩阵特征分解

知识点6 矩阵的QR分解，LU分解

知识点7 奇异值分解（SVD）及应用

 

2. 概率论与统计

知识点1 随机试验、随机事件的关系及运算

知识点2 事件的概率，条件概率

知识点3 独立、条件独立，常见分部介绍

知识点4 随机变量的分部函数，随机向量简介，条件分部，边缘分部

知识点5 期望、方差、协方差，大数定理，中心极限定理

知识点6 统计量、矩估计，极大似然估计

知识点7 先验分部、后验分部、共轭分部、贝叶斯估计、最大后验估计

 

       3. 凸优化

       知识点1 机器学习与优化关系，凸集、凸函数简介

       知识点2 极值点、最值点、梯度、方向导数

       知识点3 约束问题的KKT条件

       知识点4 二分法、黄金分割法

       知识点5 外点法、内点法、乘子法等罚函数方法

 

二、编程基础（40课时）

       1. Python基础知识讲解

知识点1 基础语法

知识点2 循环、字符串、列表

知识点3 元祖、字典、函数

知识点4 文件操作、面向对象

知识点5 正则表达式

知识点6 排序算法

知识点7 数据分析与可视化实践

   

        2. Python实战应用

        实战1 计算机程序

        实战2 无人便利店

        实战3 日志数据分析

        实战4排序算法实现

        实战5 文本统计

        实战6 面向对象案例

        实战7 飞机大战游戏

 

三、机器学习 （40课时）

        1. 机器学习原理

        知识点1 线性回归、logistic回归、梯度下降

        知识点2 决策树、随机森林、GBDT

        知识点3 SVM与数据分类

        知识点4 特征工程：数据清洗、异常点处理、特征抽取、选择与组合

        知识点5 logistic回归Softmax SVM与朴素贝叶斯的精髓速讲

        知识点6 决策树 随机森林 boosting 模型融合的精髓速讲

 

       2. 机器学习实战

       实战1 机器学习流程、预处理、特征工程

       实战2 Kaggle机器学习比赛中的特征工程处理实战

       实战3 模型评判标准与部分机器学习有监督算法

       实战4 共享单车预测

       实战5 sklearn建模与使用

       实战6 贝叶斯、决策树、GBDT算法实现

       实战7 机器学习有监督算法与无监督学习

       实战8 集成算法与Xgboost/LightGBM

 

第二章  计算机视觉理论与实战（共110课时）

 一、计算机视觉基础与实战（50课时）

      1. 计算机视觉基础

      知识点1 图像分类介绍

      知识点2 图像识别与人脸识别原理

      知识点3 目标检测原理与应用

      知识点4 生产模型与应用

      知识点5  图片分割与语义分割介绍

      知识点6 单目标跟踪与多目标跟踪

      知识点7 视频检测与视频识别

 

      2. 计算机视觉实战

      实战1 搭建和训练一个深度学习网络

      实战2 人脸识别Demo与颜值预测

      实战3 目标检测源码分析

      实战4 一个有趣的生成网络实例和分析

      实战5 在PASCAL上训练一个图像分割网络

      实战6 目标跟踪实例

      实战7 基于TensorFlow框架的视频描述模型

 

二、深度学习的算法与实践（50课时）

      1. 深度学习原理

      知识点1 人工神经网络（ANN）

      知识点2 深度学习（Deep Learning）及TensorFlow等框架

      知识点3 卷积神经网络（CNN）

      知识点4 循环神经网络（RNN）

      知识点5 长短时记忆网络（LSTM）

      知识点6 循环神经网络变种

      知识点7 seq2swq模型

 

     2. 深度学习实战

     实战1 Caffe实战图像分类

     实战2从零开始进行卷积神经网络的编程实践

     实战3 Tensorflow实战图像风格转换实现

     实战4 google wide&deep模型

     实战5 不断提升MNIST准确率（Tensorboard调试/TF debugger）

 

三、神经网络的优化问题与源码解析（10课时）

1. 如何选择适合某一问题的网络

2. 神经网络参数如何初始化

3. 选择怎样的梯度下降方法

4. 深度学习平台的代码架构

5. 如何高效实现计算（以卷积层为例）

 

第三章  企业项目实战讲解（20*3=60课时）

1. 企业A项目案例分析

2. 企业B项目案例分析

3. 企业C项目案例分析

 

第四章  企业实习（80课时）

     1. 企业培训（代码规范）

     2. 项目实战能力测试

     3. 企业项目实操

     4. 实习成果展示

 

第五章  个人提升（10课时）

    1. 简历优化

    2. 面试能力提升

    3. 企业专场招聘会

    4. 推荐相关企业岗位面试

 

【常见问题】

  Q：在哪里上课？

  A：哈尔滨工业大学深圳校区

  Q：参加本门课程有什么要求？

  A：具备一定数学基础或计算机基础

  Q：本课程怎么答疑？

  A：本次课程有晚自习课程助教解答学业问题

  Q：报名后是否可以开发票？

 A：可以开具发票，请在下单处提交发票申请，填写发票信息即可。