Программа курса ориентирована на специалистов, желающих получить базовые знания о технологиях искусственного интеллекта (ИИ) и получить практический опыт решений компании Huawei в области ИИ. Знания и навыки, полученные в рамках данного курса, помогут успешно сдать сертификационный экзамен H13-311 для получения сертификации HCIA-AI.
Требования к уровню подготовки слушателя:
- Наличие базовых навыков работы в ОС Linux.
- Знание основ программирования.
- Знание основ высшей математики.
Курс позволит слушателям:
- Узнать основные концепции искусственного интеллекта.
- Познакомиться с основными технологиями ИИ и историей их развития.
- Узнать основные области применения искусственного интеллекта.
- Познакомиться со стратегией компании Huawei в области ИИ.
- Узнать тенденции развития искусственного интеллекта.
- Познакомиться с основами программирования на языке Python.
- Узнать, что такое Python и как его использовать, создавая простые программы.
- Научиться устанавливать интерпретатор Python и библиотеки, требуемые для разработки систем ИИ.
- Изучить основы синтаксиса и основные типы данных языка Python.
- Научиться использовать условия, циклы и функции в языке Python.
- Познакомиться с основами ООП на языке Python.
- Изучить основные модули стандартной библиотеки Python.
- Познакомиться с библиотеками numpy, scipy, Pandas, Matplotlib и scikit-learn.
- Вспомнить основы высшей математики.
- Уметь применять математику для решения задач искусственного интеллекта
- Понимать основные концепции линейной алгебры,
- Понимать основные концепции теории вероятности и статистики
- Понимать принципы решения задач оптимизации
- Научиться использовать метод градиентного спуска для нахождения минимума функции.
- Изучить основы машинного обучения
- Узнать, какие типы задач решаются с применением машинного обучения.
- Познакомиться с этапами процесса решения задач с помощью машинного обучения.
- Понять основные концепции машинного обучения, например, подбор гиперпараметров с помощью перекрестной валидации.
- Узнать основные алгоритмы регрессии, классификации и кластеризации.
- Линейная регрессия.
- Логистическая регрессия.
- Деревья решений.
- Метод опорных векторов.
- Метод k ближайших соседей.
- Наивный байесовский классификатор.
- Ансамблевое обучение.
- Метод k средних.
- Освоить на практических примерах применение различных алгоритмов для решения стандартных задач машинного обучения.
- Получить базовые знания и навыки в области глубокого обучения.
- Познакомиться с основными принципами и историей развития глубокого обучения.
- Изучить принцип обучения нейронных сетей методом обратного распространения ошибки.
- Изучить основные понятия нейронных сетей, такие как перцептрон, функция активации, оптимизатор, и т д.
- Узнать основные архитектуры нейронных сетей.
- Многослойная нейронная сеть.
- Сверточная нейронная сеть.
- Рекуррентная нейронная сеть.
- Генеративно-состязательная сеть.
- Познакомиться с основными проблемами применения нейронных сетей и способами их решения.
- Познакомиться с основными фреймворками глубокого обучения.
- Знать основные свойства фреймворков PyTorch, TensorFlow, MindSpore.
- Научиться применять библиотеку TensorFlow для построения моделей нейронных сетей.
- Освоить на практических примерах задачу классификации изображений с помощью сверточных нейросетей.
- Познакомиться с основными концепциями и особенностями фреймворка Huawei MindSpore.
- Познакомиться с аппаратными ИИ-ускорителями (нейронными процессорами) Huawei Ascend.
- Познакомиться с платформой Huawei Atlas, оптимизированной для задач ИИ.
- Познакомиться с платформой разработки Huawei HiAI для мобильных устройств.
- Познакомиться с архитектурой и основными сервисами корпоративного облака Huawei Cloud EI.
В ходе тренинга рассматриваются следующие темы:
- Практическое использование основ высшей математики
- Основы линейной алгебры
- Основы теории вероятностей
- Основы численных методов и оптимизации
- Основы программирования на языке Python
- Инсталляция интерпретатора Python и установка основных библиотек для задач ИИ
- Основы синтаксиса Python и базовые типы данных
- Применение условий, циклов и функций
- Применение объектов и классов
- Использование стандартной библиотеки Python
- Использование специализированных библиотек для обработки данных и машинного обучения
- Введение в искусственный интеллект
- Обзор искусственного интеллекта
- Области применения искусственного интеллекта
- Стратегия Huawei в области развития ИИ
- Спорные моменты применения ИИ
- Перспективы развития искусственного интеллекта
- Основы машинного обучения
- Определение машинного обучения
- Типы машинного обучения
- Процесс машинного обучения
- Основные методы машинного обучения
- Алгоритмы машинного обучения
- Линейная регрессия.
- Логистическая регрессия.
- Деревья решений.
- Метод опорных векторов.
- Метод k ближайших соседей.
- Наивный байесовский классификатор.
- Ансамблевое обучение.
- Метод k средних.
- Решение практической задачи
- Основы глубокого обучения
- Обзор и определение глубокого обучения
- Персептрон и правила обучения
- Функции активации
- Регуляризация в глубоком обучении
- Оптимизаторы
- Типы нейронных сетей
- Многослойная нейронная сеть.
- Сверточная нейронная сеть.
- Рекуррентная нейронная сеть.
- Генеративно-состязательная сеть.
- Проблемы применения нейронных сетей и способы их решения
- Основные фреймворки для разработки в области глубокого обучения
- Понятие фреймворка глубокого обучения
- PyTorch
- TensorFlow
- Основы TensorFlow 2.x
- Основные модули TensorFlow 2.x
- Основные этапы разработки модели нейронной сети
- Фреймворк глубокого обучения Huawei MindSpore
- Основные тенденции и проблемы фреймворков для разработки нейронных сетей
- Основные модули и компоненты MindSpore
- Применение MindSpore для создания моделей нейронных сетей
- Вычислительная платформа Huawei Atlas AI
- Обзор ИИ-ускорителей
- Аппаратная архитектура процессоров Huawei Ascend
- Программная архитектура процессоров Huawei Ascend
- Вычислительная платформа Atlas AI
- Применение платформы Atlas AI
- Платформа разработки для мобильных устройств Huawei Open AI
- Промышленная экосистема ИИ
- Платформа Huawei HiAI
- Разработка приложений с помощью платформы HiAI
- Корпоративная интеллектуальная облачная платформа Huawei Cloud EI
- Обзор Huawei Cloud EI
- Интеллектуальные двойники
- Основные сервисы облачной платформы
- Возможности применения облачной платформы Huawei Cloud EI