人工智能与大数据应用师资培训项目
为认真落实党中央、国务院关于教育综合改革的决策部署,贯彻落实2015年8月31日国务院印发的《促进大数据发展行动纲要》、2017年7月20日国务院发布的《新一代人工智能发展规划》以及2018年4月2日教育部发布的《高等学校人工智能创新行动计划》,加强人工智能、大数据师资队伍建设,推动我国人工智能、大数据人才培养。浙江大学数学科学学院依托学院学科优势和华院数据具有实战经验的强大师资,开展高等院校人工智能与大数据师资培训项目,为加快中国高校大数据、人工智能课程体系建设、促进中国高校大数据、人工智能教学水平不断提升,尤其是助力培育从事一线教学工作的青年教师。
一、培训对象
1. 已成功申办或已开设数据科学与大数据技术专业/大数据技术与应用专业和智能科学与技术专业的院校领导老师;
2. 拟申办数据科学与大数据技术专业/大数据技术与应用专业和智能科学与技术专业课程的院校领导老师。
二、培训目标
让大数据、人工智能相关领域的教师能了解企业大数据挖掘和分析的应用场景和关键技术,在技术培训上以数据分析为主线,包括数据清洗、数据统计和数据挖掘算法的应用等相关大数据技术。同时也需要老师掌握Hadoop大数据存储与计算的核心技术,最终具有大数据挖掘能力,在教学、管理、学生就业等方面起到科学有效的辅助作用。
通过本次培训,旨在培养一批掌握大数据、人工智能实战应用能力的专业师资队伍,推进高校大数据、人工智能人才培养的学科建设,为社会输出更多的大数据、人工智能人才。
三、培训内容及方式
主题 | 描述 |
课程名称 | 《大数据技术在企业中的实际应用》 |
课程简介 | 这是一门讲解工业界的大数据处理相关的实际案例干货的课程,课程内容丰富,详细讲解了主流的离线和实时等大数据技术,最后将各项技术融合使用完成一个工业界的真实项目案例。可以帮助你快速系统的掌握前沿实用大数据技术原理、应用场景、使用方法。 |
面向人群 | 1、高校老师想学习研究大数据技术 |
学习收益 | 1、熟练掌握大数据框架的部署与使用 |
培训方式 | 面授 |
主题 | 描述 |
课程名称 | 《人工智能(机器学习/深度学习)应用开发实战》 |
课程简介 | 近年来,机器学习开发工程师岗位的需求非常大,越来越多侧重于应用开发实战需求的岗位应运而生,90%的岗位技能需要掌握机器学习、深度学习一门或两门框架技术,本次培训侧重于机器学习的算法基础了解以及算法的pytihon代码实现和TensorFlow框架的应用。通过对现在主流的TensorFlow框架的学习,从而达到利用Python代码结合框架再结合算法解决实际人工智能/机器学习进行业务分析分析预测的目的。每次课程都会通过实际案例的讲解与演练,让学员轻松掌握机器学习应用开发的常见知识与相关技巧,从而达到快速上手的目的。 |
面向人群 | 1、高校老师想学习研究人工智能/机器学习/深度学习应用开发技术。 |
学习收益 | 1、了解掌握大数据平台的快速部署与使用。 |
培训方式 | 面授 |
四、课程设置及介绍
《大数据技术在企业中的实际应用》 | |||
日期 | 模块主题 | 模块内容 | 实战案例 |
day01 | 大数据概述与Hadoop生态圈 | 1、大数据时代、概念、应用及行业现状 | 实战演示: |
Hadoop原理与集群搭建 | 1、分布式架构、数据存储和计算概念 | 实战演示: | |
MapReduce原理与编程实践 | 1、HDFS文件写入读取流程和数据完整性 | 实战演示:编程环境搭建、编写第一个MapReduce程序 | |
day02 | Hive离线数据处理 | 1、Hive配置、安装、常用操作 | 实战演示: |
基于Fulm和Kafka数据采集系统 | 1、Sqoop大数据转换框架使用 | 实战演示: | |
大数据编程语言Scala基础 | 1、Scala语言介绍、环境搭建 | 实战演示: | |
Spark程序设计与企业级应用案例 | 1、Spark运行模式介绍 | 实战演示: | |
day03 | Spark SQL程序设计与企业级应用案例 | 1、Spark SQL是什么和Spark SQL基本原理 | 实战演示: |
Spark Streaming程序设计应用案例 | 1、Spark Streaming原理及应用场景 | 实战演示: | |
Spark Mllib及企业级案例 | 1、Spark Mllib简介 | 实战演示: | |
Spark综合案例:简易电影推荐系统 | 1、背景介绍 | 实战演示: | |
大数据回顾总结 | 1、大数据框架分类概述 |
《人工智能(机器学习/深度学习)应用开发实战》 | |||
日期 | 模块主题 | 模块内容 | 实战案例 |
day01 | 算法原来实现篇:机器学习十大经典算法原理与实现 | 1、决策树算法原理与适用场景 | Python+tensonflow演示算法实现 |
day02 | 框架篇:tensonflow框架简介经典案例应用 | 1、编程模型简介和其他深度学习框架的对比 | 实战演示: |
day03 | 项目篇:基于tensonflow深度学习实现的人脸识别系统 | 本课程为利用卷积神经网络实现人脸识别的实战课程,考虑到学员的不同需求,本课程采用循序渐进的方法,先介绍深度学习框架(Tensonflow)的基础知识,然后用Tensonflow实现一个不用激活函数的简单的神经网络、然后实现一个带激活函数的多层感知器算法、最后介绍卷及神经网络架构及原理,最后通过人脸识别实际案例,具体演示如何构建一个人脸识别模型。 | 实战演示: |