人工智能简介

第 1 周

本周课程介绍人工智能的关键概念:

  • 人工智能的定义、机器学习、深度学习
  • 现在将现代人工智能与过往人工智能相区分的历史发展
  • 机器学习和深度学习的实例
  • 监督学习与无监督学习的区别
  • 人工智能应用领域的实例

下载

第 2 周

本周课程涵盖正在被人工智能转型的行业,并提供以下领域的实例:

  • 医疗保健和基因组学
  • 交通运输和自动驾驶
  • 零售业和供应链
  • 财经
  • 工业
  • 政府

下载

第 3 周

本周课程着重于人工智能在企业中的应用,介绍数据科学工作流程,并讲授如何:

  • 辨认数据科学工作流程中的步骤
  • 辨认人工智能领域内的关键角色和技能集
  • 叙述建立人工智能团队的方式
  • 辨认常见的数据科学错误概念
  • 辨认人工智能模型部署之后维护的组成部分

下载

第 4 周

本周课程介绍监督学习的概念。你将能够:

  • 解释如何确切表达监督学习问题
  • 比较并理解训练与推理的区别
  • 叙述拟合过度的危险性,以及训练数据与测试数据之对比
  • 理解 Python 编程语言如何应用于人工智能

要更深入地了解机器学习和监督学习,请参阅机器学习

下载

第 5 周

本周课程重点讲授数据来源和类型。鉴于数据是训练人工智能神经网络的至关重要的部分,本周课程讨论:

  • 如何识别需要更多数据样本的情况
  • 数据争用、数据增强和特征工程
  • 如何辨认拟合过度和拟合不足之类的问题
  • 神经网络训练中使用的若干流行数据集
  • 不同的数据预处理方法
  • 标记数据的方式
  • 如何辨认处理数据时遇到的挑战

下载

第 6 周

本周课程综述深度学习的原则,包括:

  • 深度学习基础,以及深度学习在人工智能和机器学习范畴内如何定位
  • 深度学习解决的问题的类型
  • 构建神经网络模型的步骤
  • 卷积神经网络的定义
  • 迁移学习以及为何其有用
  • 常用深度学习架构

要更深入地了解深度学习,请参阅深度学习

下载

第 7 周

本周课程涵盖硬件,包括:

  • 用于人工智能的端到端计算
  • 数据中心、网关和边界计算所提供的能力
  • 从数据中心到边界的不同处理器类型
  • 英特尔® 硬件如何应用于人工智能

下载

第 8 周

通过综述重要的软件构建模块完成本课程。本周课程涵盖:

  • 深度学习框架
  • 针对英特尔® 架构优化的库和框架
  • 大数据的冲击,以及将 BigDL 库用于 Apache Spark*
  • 获取英特尔® AI Devcloud 访问权限

下载