《人工智能應用場景及技術原理》

《人工智能應用場景及技術原理》
-段方
大數(shù)據(jù)（AI） 總設計師
教授 北大大學博士后
1 人工智能實際應用場景
1.1 概述
1.1.1 企業(yè)如何提升“智能”
1.1.2 應用驅動 or 算法驅動？
1.1.3 應用的場景探索
1.2 智慧營業(yè)廳
1.2.1 人臉識別
1.2.2 智能推薦
1.2.3 客戶軌跡分析
1.2.4 服務質量評估
1.3 智慧管理
1.3.1 業(yè)務異常監(jiān)控
1.3.2 基站資產稽核
1.3.3 會議語音轉寫記錄
1.3.4 態(tài)勢感知
1.4 智慧稽核
1.4.1 人證比對
1.4.2 簽名識別
1.4.3 異常操作識別
1.5 智慧運維
1.5.1 CPU 資源預測分析
1.5.2 磁盤故障分析
1.5.3 智慧能源分析
1.6 語音 UI 導航
1.6.1 語音識別
1.6.2 語義理解
1.6.3 智能檢索
1.6.4 語音播報
1.7 智慧客服
1.7.1 客戶聲紋識別
1.7.2 問題識別
1.7.3 問題歸類及派單
1.7.4 事后滿意度調查
1.8 AI 應用初探
1.8.1 成果如何評估？
1.8.2 讓 AI 飛一會兒
1.8.3 AI 人才隊伍如何構建？
1.9 【思考】企業(yè)人工智能應用的領域還有哪些？
2 人工智能技術基礎
2.1 概述
2.1.1 人工智能定義
2.1.2 演進歷史
2.1.3 傳統(tǒng)機器學習階段
2.1.4 深度學習階段
2.1.5 本期 AI 突破的原因
2.2 大數(shù)據(jù)的豐富和發(fā)展
2.2.1 非結構化數(shù)據(jù)引入
2.2.2 數(shù)據(jù)標注體系
2.2.3 Hadoop 大數(shù)據(jù)基礎
2.3 深度學習的演進歷史
2.4 GPU 等硬件的演進
2.5 人工智能主流工具架構
2.6 人工智能系統(tǒng)的構建
2.6.1 明確業(yè)務目標
2.6.2 收集數(shù)據(jù)
2.6.3 確定算法
2.6.4 算法訓練及推理
2.6.5 評估結果
2.6.6 應用部署
2.7 【案例】基于人工智能的人臉識別技術案例
3 人工智能的深度學習
3.1 概述
3.1.1 為什么是深度學習？
3.1.2 什么是“無監(jiān)督 ” 學習？
3.1.3 與神經網絡的關系？
3.2 神經網絡基礎
3.2.1 概念
3.2.2 腦神經學研究
3.2.3 原理
3.3 深度學習介紹
3.3.1 多層神經網絡
3.3.2 卷積學習 CNN 概述
3.4 深度學習的意義
3.4.1 改變了傳統(tǒng)人工智能的哪些思維定式？
3.4.2 深度學習的無監(jiān)督學習
3.4.3 推動本輪弱人工智能的發(fā)展
3.5 【案例】谷歌如何識別一只“貓 ”？
3.6 【案例】電信行業(yè)人工智能應用案例
4 人工智能算法應用實例剖析
4.1 人機對弈， ALPHA 狗原理
4.1.1 ALPHA 狗算法可以應用于哪些領域？（供應鏈等）
4.1.2 人類還能戰(zhàn)勝 ALPHA 狗嗎？
4.1.3 【例】 ALPHA 狗原理
4.2 模式識別：谷歌的圖像識別原理
4.2.1 圖像識別的技術原理
4.2.2 【例】谷歌圖像識別的實際案例分享
4.2.3 【例】谷歌無人汽車的原理
4.3 【案例】某企業(yè)的人工智能體系應用案例
5 人工智能落地的一些思考
5.1 價值認知方面
5.1.1 第四次革命的深刻認知
5.1.2 電力驅動了現(xiàn)代文明， AI 將驅動未來文明
5.1.3 如何讓 AI 滲透企業(yè)
5.2 本輪人工智能的優(yōu)勢
5.2.1 存儲優(yōu)勢
5.2.2 數(shù)據(jù)優(yōu)勢
5.2.3 計算優(yōu)勢
5.2.4 邏輯優(yōu)勢
5.2.5 TPU 的計算能力？
5.3 人工智能當前的劣勢
5.3.1 靠大數(shù)據(jù)喂？
5.3.2 行業(yè)知識的積累
5.3.3 *缺乏自編程能力
5.3.4 算法的進步還需加快
5.3.5 硬件仍需進步
5.4 讓 AI“飛一會兒 ”
5.4.1 初期的 AI？
5.4.2 從不完善到完善的過程
5.4.3 AI 滲透到每個行業(yè)、每個企業(yè)
5.4.4 讓人類與 AI 一起飛
5.5 人工智能對思維方面的沖擊
5.5.1 社會層面
5.5.2 企業(yè)層面
5.5.3 個人層面
5.6 核心技術的把控問題
5.6.1 從 AI 的開源生態(tài)說起
5.6.2 TensorFlow 的架構魔力
5.6.3 哪些技術要把控？
5.6.4 企業(yè)的核心競爭力 or 計算力
5.6.5 核心算法的突破
5.7 人工智能中人才培養(yǎng)問題
5.7.1 AI 要 “從娃娃抓起 ”
5.7.2 AI 所需知識結構內容
5.7.3 技能層面的積累
5.7.4 管理協(xié)調
5.8 人工智能急需的教育變革
5.8.1 從培養(yǎng)工人到培養(yǎng) AI 創(chuàng)造者
5.8.2 AI 技術越來越易用
5.8.3 AI 操控者
5.8.4 重構教育體制
5.9 【案例】人工智能呼喚教育變革
6 人工智能在企業(yè)落地中的問題
6.1 向智慧企業(yè)演進
6.1.1 企業(yè)的運行機制
6.1.2 從依賴經驗到依賴數(shù)據(jù)和算法
6.1.3 企業(yè)競爭演進為算力的競爭
6.2 切入點選擇
6.2.1 從市場應用切入
6.2.2 從企業(yè)痛點切入
6.2.3 成熟算法驅動
6.3 提升市場智能
6.3.1 AI 僅改進算法的精度？
6.3.2 逐步從人驅動轉向AI 驅動
6.3.3 從客戶分析入手？
6.3.4 業(yè)務場景的提煉
6.4 打造智慧運營環(huán)境
6.4.1 企業(yè)全生命周期
6.4.2 企業(yè)每個環(huán)節(jié)
6.4.3 未來能否實現(xiàn)全程 AI 管理？
6.5 人才方面
6.5.1 AI 人才極其缺乏
6.5.2 AI 從業(yè)者更需要想象力
6.5.3 只能自己培養(yǎng)
6.6 人工智能在企業(yè)實踐中經驗分享
6.6.1 非結構化數(shù)據(jù)質量問題
6.6.2 數(shù)據(jù)標注問題
6.6.3 算法比對選擇問題
6.6.4 應用場景選擇問題
6.6.5 營銷活動選擇
6.7 【案例】人工智能對企業(yè)帶來的變革思考
7 總結

段方老師的其它課程