申请试听

每期优惠名额有限,优先咨询领千元优惠

温馨提示:优惠/试听名额有限,请保持手机畅通

立即提交

申请试听

每期优惠名额有限,优先咨询领千元优惠

温馨提示:优惠/试听名额有限,请保持手机畅通

申请试听

人工智能工程师

机器学习&深度算法工程师

学习周期16周

人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。本课程包括视觉方向和机器学习方向,在学习过程中,除针对知识点的编程作业之外,还提供了大量工业应用案例数据集,使学员能够积累丰富的工业实战经验。
申请试听

机器学习工程师

推荐系统&机器学习算法工程师

学习周期13周

本课程系统地介绍了传统机器学习领域的经典模型,原理及应用。并初步介绍深度神经网络领域的一些基础知识。针对重点内容进行深入讲解,并通过习题和编程练习,让学员掌握工业上最常用的技能。除针对知识点的编程作业,还提供大量工业应用案例数据集,使学员能够积累丰富的工业实战经验。
申请试听
新课程量身打造自由选择

人工智能工程师

学习周期16周

人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。本课程包括视觉方向和机器学习方向,在学习过程中,除针对知识点的编程作业之外,还提供了大量工业应用案例数据集,使学员能够积累丰富的工业实战经验。
申请试听

机器学习工程师

学习周期13周

本课程系统地介绍了传统机器学习领域的经典模型,原理及应用。并初步介绍深度神经网络领域的一些基础知识。针对重点内容进行深入讲解,并通过习题和编程练习,让学员掌握工业上最常用的技能。除针对知识点的编程作业,还提供大量工业应用案例数据集,使学员能够积累丰富的工业实战经验。
申请试听
预报名抢优惠

地区平均薪资排行

北京¥25800

上海¥24480

深圳¥21640

杭州¥22090

行业月薪占比分布

22.6%10-20K/月

40.3%20-30K/月

25.5%30-40K/月

11.6%40K以上/月

3分钟读懂CSDN学院人工智能课程

人工智能1.0时代,你们准备好了吗?

未来五年中国人工智能市场规模超1500亿

地区平均薪资排行

北京¥25800

上海¥24480

深圳¥21640

杭州¥22090

行业月薪占比分布

22.6%10-20K/月

40.3%20-30K/月

25.5%30-40K/月

11.6%40K以上/月

3分钟读懂CSDN学院人工智能课程

立刻抢占市场先机
人工智能就业方向

CSDN就业资源,推荐就业

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

快手映客直播YY直播美图美团点评百度网易360浏览器今日头条支付宝新浪爱奇艺英语流利说UC浏览器Qualcomm

高级工程师平均工资60W/年

查看更多就业方向
计算机视觉引论
  • 什么是计算机视觉;
  • 构建第一个视觉程序;
  • 视觉系统构成;
  • 让程序做点事情;
  • 课程体系结构;
  • 照明模型;
  • 颜色模型;
  • 图像的采集与传输;
  • 图像/视频的压缩与显示;
视觉处理与分析
  • 图像滤波及去噪;
  • 图像边缘检测;
  • 直方图与图像分割;
  • 图像特征描述;
  • 再论图像分割;
  • 综合示例;
  • 直线检测;
  • HARRIS角点检测;
  • SIFT特征提取;
  • ORB特征检测;
  • 特征检测综合示例;
  • 背景建模;
  • 光流估计;
  • 综合示例;
  • 视觉编程工具;
机器学习入门
  • 线性回归简介;
  • 回归中的损失函数;
  • 损失函数的概率解释;
  • 过拟合;
  • Scikit-Learn中带正则的线性回归模型;
  • 正则的概率解释;
  • 线性回归模型解析求解;
  • 线性回归模型梯度下降法求解;
  • 线性回归模型坐标轴下降求解;
  • 回归模型性能评价指标;
  • 交叉验证与模型评估;
  • 线性回归案例分析: Boston房价预测;
  • 特征工程:共享单车骑行量预测;
  • Logistic回归简介;
  • Logistic损失函数;
  • 正则项;
  • 牛顿法;
  • Logistic回归的优化求解;
  • 多类分类任务;
  • 类别样本不均衡数据;
  • 分类模型评价指标;
  • Scikit-Learn中的Logistic回归;
  • Logistic回归案例分析:Otto商品分类;
  • 特征工程:糖尿病发病预测;
深度学习入门
  • 深度学习历史与介绍;
  • 深度学习解决的问题;
  • 感知器介绍;
  • 神经网络的拟合能力;
  • 全连接神经网络介绍;
  • 前向传播;
  • 反向传播;
深度学习基础算法
  • 整体介绍;
  • 数据预处理;
  • 神经网络简介;
  • 激活函数;
  • Batchnorm;
  • Dropout;
  • 网络连接方式;
  • Ground truth;
  • 损失函数;
  • 学习率;
  • 优化算法;
  • 过拟合与欠拟合;
  • 正则化;
  • 参数的初始化;
框架与环境
  • Tensorflow
  • 使用tensorflow构建神经网络
推荐系统方向
机器学习基础算法
  • SVM简介;
  • 带松弛变量的SVM模型: CSVM;
  • 对偶问题;
  • 核方法;
  • 支持向量回归:SVR;
  • Scikit-Learn中的SVM;
  • SVM案例分析:Otto商品分类;
  • 决策树;
  • Scikit-Learn中的决策树模型;
  • 决策树案例分析:Otto商品分类;
  • Bagging和随机森林;
  • Scikit-Learn中的随机森林模型;
  • 随机森林案例分析:Otto商品分类;
  • Adaboost;
  • GBM;
  • Scikit-Learn中的GBM;
  • XGBoost原理;
  • XGBoost工具包使用指南;
  • XGBoost的Scikit-Learn接口;
  • XGBoost案例分析:Otto商品分类;
  • LightGBM原理;
  • LightGBM使用指南;
  • LightGBM案例分析:Otto商品分析;
  • PCA降维原理;
  • Scikit-Learn中的PCA;
  • t-SNE;
  • Scikit-Learn中的 t-SNE;
  • 降维案例分析:Otto商品数据降维分析;
  • 聚类简介;
  • KMean聚类算法;
  • Scikit-Learn中的 KMean聚类;
  • 聚类案例分析:Event聚类;
  • 推荐系统简介;
  • 基于内容的推荐;
  • 基于用户的协同过滤;
  • 基于物品的协同过滤;
  • 基于矩阵分解的协同过滤;
  • 协同过滤推荐案例分析:MovieLens电影推荐;
  • CTR预估简介;
  • FTRL模型;
  • FM与FFM;
  • GBDT;
  • Wide and Deep Learning模型;
  • CTR案例分析:Criteo CTR预估;
计算机视觉方向
位姿估计与三维重构
  • 坐标系与相机模型;
  • 相对位姿测量算法;
  • 相机标定;
  • 极线几何;
  • 立体视觉与三维重构;
  • 特征匹配;
计算机视觉与神经网络
  • 卷积和池化;
  • 卷积的反向传播;
  • Tensorflow基础;
  • 卷积神经网络的tensorflow实现;
  • 经典卷积神经网络案例
  • Vgg/inception网络代码讲解;
  • 基于slim的神经网模型训练;
  • 分类定位;
  • 检测;
  • 检测模型的训练与使用;
  • 分割;
  • 人脸;
  • 其他;
  • 特征使用-相似图;
人工智能课程大纲

技术的沉淀,打造专业课程

入学要求:计算机相关专业,专业课中包含高等数学(或数值分析)、线性代数、概率基础、数据结构、计算机体系结构和操作系统;熟练掌握一门开发语言,如JAVA、C/C++、Python等;本科毕业,硕士为佳。

计算机视觉引论
  • 什么是计算机视觉;
  • 构建第一个视觉程序;
  • 视觉系统构成;
  • 让程序做点事情;
  • 课程体系结构;
  • 照明模型;
  • 颜色模型;
  • 图像的采集与传输;
  • 图像/视频的压缩与显示;
视觉处理与分析
  • 图像滤波及去噪;
  • 图像边缘检测;
  • 直方图与图像分割;
  • 图像特征描述;
  • 再论图像分割;
  • 综合示例;
  • 直线检测;
  • HARRIS角点检测;
  • SIFT特征提取;
  • ORB特征检测;
  • 特征检测综合示例;
  • 背景建模;
  • 光流估计;
  • 综合示例;
  • 视觉编程工具;
机器学习入门
  • 线性回归简介;
  • 回归中的损失函数;
  • 损失函数的概率解释;
  • 过拟合;
  • Scikit-Learn中带正则的线性回归模型;
  • 正则的概率解释;
  • 线性回归模型解析求解;
  • 线性回归模型梯度下降法求解;
  • 线性回归模型坐标轴下降求解;
  • 回归模型性能评价指标;
  • 交叉验证与模型评估;
  • 线性回归案例分析: Boston房价预测;
  • 特征工程:共享单车骑行量预测;
  • Logistic回归简介;
  • Logistic损失函数;
  • 正则项;
  • 牛顿法;
  • Logistic回归的优化求解;
  • 多类分类任务;
  • 类别样本不均衡数据;
  • 分类模型评价指标;
  • Scikit-Learn中的Logistic回归;
  • Logistic回归案例分析:Otto商品分类;
  • 特征工程:糖尿病发病预测;
深度学习入门
  • 深度学习历史与介绍;
  • 深度学习解决的问题;
  • 感知器介绍;
  • 神经网络的拟合能力;
  • 全连接神经网络介绍;
  • 前向传播;
  • 反向传播;
深度学习基础算法
  • 整体介绍;
  • 数据预处理;
  • 神经网络简介;
  • 激活函数;
  • Batchnorm;
  • Dropout;
  • 网络连接方式;
  • Ground truth;
  • 损失函数;
  • 学习率;
  • 优化算法;
  • 过拟合与欠拟合;
  • 正则化;
  • 参数的初始化;
框架与环境
  • Tensorflow
  • 使用tensorflow构建神经网络
推荐系统方向
机器学习基础算法
  • SVM简介;
  • 带松弛变量的SVM模型: CSVM;
  • 对偶问题;
  • 核方法;
  • 支持向量回归:SVR;
  • Scikit-Learn中的SVM;
  • SVM案例分析:Otto商品分类;
  • 决策树;
  • Scikit-Learn中的决策树模型;
  • 决策树案例分析:Otto商品分类;
  • Bagging和随机森林;
  • Scikit-Learn中的随机森林模型;
  • 随机森林案例分析:Otto商品分类;
  • Adaboost;
  • GBM;
  • Scikit-Learn中的GBM;
  • XGBoost原理;
  • XGBoost工具包使用指南;
  • XGBoost的Scikit-Learn接口;
  • XGBoost案例分析:Otto商品分类;
  • LightGBM原理;
  • LightGBM使用指南;
  • LightGBM案例分析:Otto商品分析;
  • PCA降维原理;
  • Scikit-Learn中的PCA;
  • t-SNE;
  • Scikit-Learn中的 t-SNE;
  • 降维案例分析:Otto商品数据降维分析;
  • 聚类简介;
  • KMean聚类算法;
  • Scikit-Learn中的 KMean聚类;
  • 聚类案例分析:Event聚类;
  • 推荐系统简介;
  • 基于内容的推荐;
  • 基于用户的协同过滤;
  • 基于物品的协同过滤;
  • 基于矩阵分解的协同过滤;
  • 协同过滤推荐案例分析:MovieLens电影推荐;
  • CTR预估简介;
  • FTRL模型;
  • FM与FFM;
  • GBDT;
  • Wide and Deep Learning模型;
  • CTR案例分析:Criteo CTR预估;
计算机视觉方向
位姿估计与三维重构
  • 坐标系与相机模型;
  • 相对位姿测量算法;
  • 相机标定;
  • 极线几何;
  • 立体视觉与三维重构;
  • 特征匹配;
计算机视觉与神经网络
  • 卷积和池化;
  • 卷积的反向传播;
  • Tensorflow基础;
  • 卷积神经网络的tensorflow实现;
  • 经典卷积神经网络案例
  • Vgg/inception网络代码讲解;
  • 基于slim的神经网模型训练;
  • 分类定位;
  • 检测;
  • 检测模型的训练与使用;
  • 分割;
  • 人脸;
  • 其他;
  • 特征使用-相似图;
查看完整学习大纲
  • CTR预估
  • 音乐网站
    用户流失预测
  • 视频目标跟踪
  • 全景拼接
  • 搭建新的神经网络
  • 车辆检测识别

项目一:CTR预估

广告点击率(Click-Through Rate Prediction, CTR)是互联网计算广告中的关键环节,预估准确性直接影响公司的广告收入。机器学习技术可在计算广告中大展身手,著名互联网广告公司Avazu(艾维邑动)就是通过程序化广告技术进行效果营销。

实战项目是对Avazu提供的Kaggle竞赛数据进行移动CTR预估。

项目二:用户流失预测

第十一届ACM网络搜索与数据挖掘国际会议(WSDM)要求参赛者利用KKBOX数据集建立智能算法来预测订阅用户是否会流失。对于依赖订阅业务的KKBOX来说,准确预测流失率是业务成功的关键。通过结果分析,以便KKBOX进一步了解用户需求,在保持用户活跃度上进一步采取行动

项目三:视频目标跟踪

视频场景中的运动目标跟踪在计算机视觉研究及应用中具有重要地位,也是安防、监控领域的核心算法之一,在此基础上可构建入侵检测、人员计数、车辆违章自动记录等众多应用。因此,将首先练习视频目标跟踪项目,重点掌握背景提取、目标分割及描述等方法,及如何将上述方法在实际系统中综合运用

项目四:全景拼接

全景拼接用于将不同角度拍到的多幅照片合成一幅全景,在摄影、虚拟旅游、监控、虚拟现实等领域中广泛应用。课程通过全景拼接项目的设计与实现,掌握特征检测、位姿估计、图像配准、图像合成等相关技术,并将上述技术综合实现,完成全景拼接

项目五:搭建神经网络

利用已经掌握的神经网络基本模块尝试构建一个新的网络模型;使用新的网络模型在我们提供的数据集上跑到top1 60%以上 top5 80%以上的准确率结果

项目六:车辆检测识别

车辆检测及型号识别广泛应用于物业,交通等的管理场景中。通过在停车场出入口,路口,高速卡口等位置采集的图片数据,对车辆的数量型号等进行识别,可以以较高的效率对车型,数量信息等进行采集。通过采集的数据,在不同的场景中可以辅助不同的业务开展。如商场停车位的规划,路况规划,或者公安系统追踪肇事车辆

工业级实战项目,真实案例数据集

完成项目,相当于企业内2年工作经验

  • CTR预估
  • 音乐网站
    用户流失预测
  • 视频目标跟踪
  • 全景拼接
  • 搭建新的神经网络
  • 车辆检测识别

项目一:CTR预估

广告点击率(Click-Through Rate Prediction, CTR)是互联网计算广告中的关键环节,预估准确性直接影响公司的广告收入。机器学习技术可在计算广告中大展身手,著名互联网广告公司Avazu(艾维邑动)就是通过程序化广告技术进行效果营销。

实战项目是对Avazu提供的Kaggle竞赛数据进行移动CTR预估。

项目二:用户流失预测

第十一届ACM网络搜索与数据挖掘国际会议(WSDM)要求参赛者利用KKBOX数据集建立智能算法来预测订阅用户是否会流失。对于依赖订阅业务的KKBOX来说,准确预测流失率是业务成功的关键。通过结果分析,以便KKBOX进一步了解用户需求,在保持用户活跃度上进一步采取行动

项目三:视频目标跟踪

视频场景中的运动目标跟踪在计算机视觉研究及应用中具有重要地位,也是安防、监控领域的核心算法之一,在此基础上可构建入侵检测、人员计数、车辆违章自动记录等众多应用。因此,将首先练习视频目标跟踪项目,重点掌握背景提取、目标分割及描述等方法,及如何将上述方法在实际系统中综合运用

项目四:全景拼接

全景拼接用于将不同角度拍到的多幅照片合成一幅全景,在摄影、虚拟旅游、监控、虚拟现实等领域中广泛应用。课程通过全景拼接项目的设计与实现,掌握特征检测、位姿估计、图像配准、图像合成等相关技术,并将上述技术综合实现,完成全景拼接

项目五:搭建神经网络

利用已经掌握的神经网络基本模块尝试构建一个新的网络模型;使用新的网络模型在我们提供的数据集上跑到top1 60%以上 top5 80%以上的准确率结果

项目六:车辆检测识别

车辆检测及型号识别广泛应用于物业,交通等的管理场景中。通过在停车场出入口,路口,高速卡口等位置采集的图片数据,对车辆的数量型号等进行识别,可以以较高的效率对车型,数量信息等进行采集。通过采集的数据,在不同的场景中可以辅助不同的业务开展。如商场停车位的规划,路况规划,或者公安系统追踪肇事车辆

查看更多实战项目

申请试听

完整测试题,看你与人工智能领域有多远

温馨提示:优惠/试听名额有限,请保持手机畅通

申请试听

具备一定开发经验,希望向人工智能领域发展的开发人员。

计算机相关专业,希望向人工智能领域发展的学生。

在职有技能提升需求的人群。

希望在原有工作岗位有突破的人群。

我适合学人工智能吗?

善于把握机会,已经成功了一半

免费测试

完整测试题,看你与人工智能领域有多远

立即提交

具备一定开发经验,希望向人工智能领域发展的开发人员。

计算机相关专业,希望向人工智能领域发展的学生。

在职有技能提升需求的人群。

希望在原有工作岗位有突破的人群。

我要测试
行业高手手把手教你学AI人工智能

善于把握机会,已经成功了一半

和老师聊聊
有时间选择比努力更重要

站在时代风口,顺风而上。机会已经给你了!

*您的姓名: *您的手机:
>