HCIA-AI
Huawei Certified ICT Associate Artificial IntelligenceEducational program code: Организация высокопроизводительных кластеров и систем
HCIA-AI
#Offline — Offline with instructor.
#Remote — Remote with instructor.
80,000
5 days
By request

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