各高校院系师生,各企事业单位:
数字经济作为发展迅速、创新活跃、辐射广泛的经济活动,正在成为全球经济复苏和增长的重要驱动力。随着强国梦的逐步深化,每个企业都在与时俱进的开展“数字化转型”。
“十四五”规划和2035年远景目标纲要均提出“加快数字化发展 建设数字中国”,“数字化转型”用IT的语言讲,即将“大数据”和“算法”结合,打造成每个企业特有的人工智能场景,逐渐积累出每个企业独有的知识库。
好学案例微课携手名师共同打造《计算机视觉编程达人训练营》,精讲必要的基础原理,拆解精巧案例,分享代码技巧与实战干货。提升企业工程师理解业务、抽象业务痛点、举一反三解决问题的能力。
一、培训信息
课程名称 | 【好学案例微课系列培训】《计算机视觉编程达人训练营》 |
时间 | 即时开课
|
形式 | 视频
|
费用 | 2599 |
安排 | 即时开课,报名即学
|
二、达成目标
1、理解和感受工程师经常讲的“道”和“术”
“道”:能知道一些基本、基础应知应会的原理,能在这个基础上,去阅读一些新的论文,提升学员的知识面
“术”:能写代码,能将代码跑通,获得到精神上的快乐和满足,即使不明觉厉,也能解决问题。
2、通过案例和不断想到的Ideas,帮助学员真正理解,企业为什么需要员工,为什么特别需要有创新思维的员工,让学员能在职场上更好的表现。
三、课程大纲
日期 | 具体时间 | 课纲 | 课程内容 |
8月20日 | 周六晚19:30-21:00 | 1. 基础环境准备 | a) 成为编程高手的四个技能:数学、编程、统计、算法 b) Python的安装 c) Anaconda的安装 d) PyCharm的安装 e) Jupyter Notebook的使用 f) 深度学习框架的搭建 g) GPU的适配安装 h) pip命令的使用介绍 i) conda命令和pip命令的异同点 j) 安装一些最常用的工具包 |
8月24日 | 周三晚19:30-21:00 | 2. 介绍计算机视觉 | a) 想比大部分人更专业的话,需要如何学习这门课 b) 从顶层讲起,目前被大众接受的人工智能概念是什么 c) 机器学习、深度学习和强化学习的异同点 d) 计算机视觉,它本身是什么 e) 计算机视觉的细分业务领域,比如分类、分割等 f) 最常见的计算机视觉任务,图片分类 g) 神经网络最喜欢吃得“食物” h) 神经网络会给你输出什么,是直接的结论吗 i) 图片处理库,scikit-image的简单使用介绍 j) 计算机视觉库,opencv的简单使用介绍 |
8月27日 | 周六晚19:30-21:00 | 3. 动手实战,教机器学会疲劳监测 | a) 疲劳的特征是什么 b) 在没有深度学习概念前,如何实现脸部关键点检测 c) 什么是神经网络 d) 什么是卷积神经网络 e) 什么是卷积核 f) 什么是池化 g) 什么是标准化 h) 什么是躺平层 i) 什么是全连接层 j) 什么是激活函数 k) Python动手实战,边实战边讲解 |
8月31日 | 周三晚19:30-21:00 | 4. 动手实战,教机器打跑酷游戏 | a) 跑酷游戏的介绍 | b) 机器需要学到什么,才能打好跑酷游戏 | c) 卷积神经网络和跑酷游戏的联系是什么 | d) 最基础的概念之一,什么是图片的通道 | e) 最基础的概念之一,除了RGB之外,我们还会如何获取图片的信息 | f) 如何从游戏画面中产生数据集 | g) 如何得知用户按了什么键 | h) 模型结构该如何设计 | i) 如何训练网络 | j) 如何评估网络的准确性 | k) 如何能让机器学习的更准确 | l) Python动手实战,边实战边讲解 |
|
9月3日 | 周六晚19:30-21:00 | 5. 动手实战,教机器拍出背景虚化的人像照片 | a) 先来看几个例子,什么是照片背景虚化 | b) 整体实现思路,会分成哪几个步骤 | c) 首次讲解图片分割的知识背景 | d) 业界有哪些个常用的图片分割场景 | e) 图片预处理,继续讲解opencv计算机视觉库的函数 | f) 有哪些巨人的肩膀我们可以“站” | g) 重点讲解Google MediaPipe的深度学习库 | h) Numpy进阶知识之一,stack函数 | i) Numpy进阶知识之一,where函数 | j) Python动手实战,边实战边讲解 |
|
9月7日 | 周三晚19:30-21:00 | 6. 动手实战,教机器完成数独游戏 | a) 什么是数独游戏 | b) 大开脑洞,为什么能用卷积神经网络来完成这个游戏 | c) 进阶知识之一,讲解关于卷积核的更多知识 | d) 进阶知识之一,讲解关于池化的更多知识 | e) 如何去自制一个数独的数据集 | f) 基础知识之一,pandas的简单使用介绍 | g) 图片预处理,几行代码写出数据标准化的函数 | h) 重点知识讲解,Keras深度学习框架 | i) 讲解最常用的一些Keras层 | j) 深入讲解模型的结构 | k) 什么是特征层,它和卷积的相关性 | l) 讲解模型的输出尺寸 | m) 进阶知识之一,深入讲解图片分类的输出形态 | n) 这些知识点的总结归纳 | o) Python动手实战,边实战边讲解 |
|
9月10日 | 周六晚19:30-21:00 | 7. 动手实战,教机器认钟表读数 | a) 自制一个钟表数据集需要用到的包 | b) 数据集的X和Y分别是什么 | c) 基础知识之一,制作表盘 | d) 基础知识之一,制作时针和分针 | e) Python动手实战,针对自制数据集的代码,进行讲解 | f) 重点知识讲解,该如何设计模型的结构 | g) 模型的损失函数设计 | h) 这些知识点的归纳总结 | i) Python动手实战,边实战边讲解 |
|
9月14日 | 周三晚19:30-21:00 | 8. 动手实战,教机器给黑白照片着色 | a) 几行代码实现彩色图片转换成黑白照片 | b) 为什么黑白照片转换成彩色照片是一件很困难的事 | c) 基础知识点之一,颜色模型,图片的RGB通道 | d) 进阶知识点之一,用Lab颜色空间来表示图片 | e) 颜色模型和颜色空间的区别 | f) 教机器给黑白照片着色,模型结构该如何设计 | g) 基础知识点之一,什么是填充Padding | h) 基础知识点之一,什么是跳跃Strides | i) 一份很特别的数据集 | j) 如何实现颜色空间的预处理 | k)Python动手实战,边实战边讲解 |
|
9月17日 | 周六晚19:30-21:00 | 9.动手实战,教机器识别手写数字的异常检测 | a) 什么是异常检测 | b) 各行各业的异常检测有哪些 | c) 异常检测的数据集特征 | d) 使用标准方差的统计分布识别异常检测 | e) 使用箱线图的统计分布识别异常检测 | f) 使用密度算法识别异常检测 | g) 使用深度学习的自动编码器识别异常检测 | h) 自动编码器的几个核心知识点 | i) 一份很特别的数据集 | j) 如何确定出合理的异常检测标准 | k)Python动手实战,边实战边讲解 |
|
四、讲师介绍

金牌讲师,授课思路活跃,逻辑严谨,善于沟通,风趣幽默,深受学员喜欢,线下培训班期期爆满,广受好评。
从一线程序员、数据和算法领域工程师,逐渐成长为企业大数据、AI、商业智能团队负责人。在业务需求理解、模型抽象、整体解决方案、代码开发与调优部署等方面,具备多年实战及管理经验。
部分任职企业一览:
2010携程 商业智能经理
2014顺丰科技 大数据部门负责人
2016华为 人工智能主任架构师
2019新奥集团 数智团队负责人
五、报名流程
1. 点击网址,在线提交报名信息;
2. 账号登录后提单支付;
3. 确认发票信息,添加助教老师;
4. 开课前一周发送资料及上课事宜。
六、报名条件
零基础学生、转行人士,低门槛无忧就业
基础薄弱数据类岗位从业者,系统提升专业技能
产品、运营、营销、财务等业务部门在职者,提升数字化工作效率
研发、中台、技术类部门在职者,数字化赋能支持业务发展
企业创始人、经理人、管理咨询类岗位从业者,把握数字化转型方案及流程
经济及社科类青年教师、博士生、硕士生、高年级本科生
七、咨询报名
1、添加助教老师鲤鲤-企业微信:
