ACA認證之旅 阿裡雲人工智能助理工程師

認證名稱及連結

阿裡雲人工智能助理工程師認證（ACA）

 

證書展示

課程目錄

1. 人工智能概論
   1. 人工智能概念
   2. 從機器學習到深度學習
   3. 深度學習概覽
   4. 自然語言處理概述
   5. 圖像智能處理概述
   6. 語音識别概述
   7. 知識圖譜概述
2. 神經網絡基礎
   1. 神經網絡介紹
   2. 卷積神經網絡
   3. 循環神經網絡
   4. 生成對抗網絡
3. TensorFlow開發基礎
   1. TensorFlow架構入門
   2. TensorFlow開發進階
   3. 線上實驗
4. 阿裡雲機器學習與深度學習開發平台PAI
   1. PAI整體介紹
   2. 深度學習開發環境PAI DSW
   3. 可視化開發環境PAI Studio
   4. 線上預測服務PAI EAS
5. 阿裡雲人工智能産品介紹與應用
   1. 視訊課程

課程筆記

1. 1. 基于不同次元，人工智能具有多種定義
   2. 圖靈測試
   3. 第三次熱潮（2006年以後）：深度學習、神經網絡發展
   4. 發展
      1. 半監督學習
      2. 自監督學習
      3. 無監督學習
      4. 物端AI與邊緣計算
      5. 深度學習與推薦系統整合
      6. AutoML：自動網絡結構搜尋
   5. 應用領域
      1. 圖像智能處理
         1. 圖像分類
         2. 對象檢測
         3. 語義分割
         4. 目标跟蹤
      2. 智能語音互動
         1. 語音識别
         2. 對話系統
      3. 自然語言處理（NLP）
         1. 情感分析
         2. 機器翻譯
         3. 知識圖譜
      4. 機器人
   6. 問題領域 & 主要算法
      1. 傳統機器學習
         1. 分類：決策樹、邏輯回歸、随機森林等
         2. 回歸：線性回歸、嶺回歸等
         3. 聚類：k-means、DBSCAN等
         4. 協同過濾：Apriori、SVD等
      2. 深度學習
         1. 圖像識别：卷積神經網絡
         2. 語音互動：循環神經網絡、LSTM
         3. 自然語言處理：深層神經網絡、循環神經網絡、遞歸神經網絡、卷積神經網絡
   7. 深度學習技術體系
      1. 數學理論
         1. 微積分、線性代數
         2. 資訊論、機率論
         3. 圖論
      2. 算法知識
         1. 機器學習
         2. 神經網絡
      3. 開發技術
         1. 軟體開發
            1. 開發架構：TensorFlow、Keras、pytorch、caffe、阿裡雲機器學習平台PAI、阿裡雲人工智能産品
         2. 硬體開發
   8. 1. 基本概念
         1. 實體
         2. 關系
         3. 實體和關系擁有各自屬性
      2. 關鍵技術
         1. 資料采集
         2. 知識抽取
         3. 圖譜設計
      3. 應用
         1. 語義搜尋
         2. 反欺詐分别與識别
         3. 金融投研情報分析
2. 1. 人工神經網絡（artificial neural network），簡稱神經網絡（neural network，NN）
   2. 曆史發展 & 代表性技術
      1. 第一次熱潮：感覺機、單層神經網絡
      2. 第二次熱潮：多層神經網絡、後向傳播算法
      3. 第三次熱潮：卷積神經網絡、循環神經網絡
   3. 神經網絡的前置知識
      1. 算法的基礎：數學知識（矩陣計算、微積分、機率論）
      2. 開發的基礎：python 、 c++
      3. 運作與調優的基礎：計算機系統知識（作業系統、分布式系統）
   4. 神經網絡組成：神經元、網絡連接配接
   5. 生物神經元抽象模型
   6. 神經元通用模型
      1. 輸入單元
      2. 計算單元：線性計算 + 激勵函數（非線性函數、信号變換）
      3. 輸出單元
   7. 激勵函數：非線性函數（常用）（sigmoid、tanh、relu、leaky relu）、線性函數、偏置值
   8. 神經網絡訓練過程
      1. 定義網絡結構
      2. 随機生成網絡連接配接權重參數
      3. 針對訓練樣例計算預測值
      4. 根據實際值與預測值差異更新網絡參數
   9. 損失函數：均方差損失函數、交叉熵損失函數
   10. 反向傳播算法
   11. 梯度消失問題：sigmoid、tanh 存在問題、relu 可緩解問題
   12. 常見神經網絡類别 & 适應場景
       1. 多層感覺機 - 分類與回歸問題
       2. 深度神經網絡 - 分類與回歸問題
       3. 卷積神經網絡 - 圖像識别
       4. 循環神經網絡 - 語音、文本識别
   13. 卷積神經網絡（Convolutional Neural Networks, CNN）
       1. LeNet、AlexNet、GoogLeNet、ResNets
       2. 卷積核、卷積計算
       3. 卷積層：用卷積核的矩陣自上而下、自左向右在圖像上滑動
       4. 池化層：最大值池化、求和值池化、均值池化
       5. 完全連接配接：每個節點都與相鄰層的其他節點連接配接
   14. 循環神經網絡（recurrent neural network，RNN）
       1. 不僅将目前的輸入樣本作為網絡輸入，還将網絡之前感覺到的一并作為輸入
       2. 發展曆程：RNN - simple rnn - bidirectional rnn - lstm network
       3. 循環神經元
       4. 長短期記憶網絡 LSTM
          1. LSTM元胞
             1. forget gate
             2. input gate
             3. output gate
   15. 生成對抗網絡（generative adversarial networks，GANs）
       1. 生成模型（generative model）
       2. 判别模型（discriminative model）
       3. 近年來複雜分布上無監督學習最具前景的方法之一
       4. 生成對抗網絡類别：gan、dcgan、cgan、cyclegan、stylegan、biggan
       5. 應用場景
          1. 圖像生成
          2. 圖像轉換
          3. 人臉合成
3. 1. 特征：高度靈活性、可移植性好、豐富算法庫、文檔完善
   2. 可視化：tensorboard
   3. 系統架構
      1. 用戶端 front end
         1. 提供程式設計模型
         2. 負責構造計算圖
      2. 後端系統 exec system
         1. 提供運作時環境
         2. 負責運作計算圖
   4. 程式設計模式：計算圖（資料流圖）
   5. 基本資料模型：張量（tensor）（次元、形狀）
   6. 基本文法
      1. 變量：存儲動态變化的資料
      2. 占位符：暫時存儲變量
   7. 會話session
   8. 資料讀取
      1. 預加載資料
      2. 供給資料
      3. 檔案讀取：從檔案系統中讀取、使用記憶體隊列緩存資料、檔案名隊列+記憶體隊列
   9. 開發模式 & 适用場景
      1. 基于預定義的estimator開發 - 深層神經網絡DNN分類器、回歸器
      2. 基于TensorFlow的神經網絡nn子產品提供的網絡層函數開發 - 多層感覺機、卷積神經網絡、循環神經網絡
         1. 損失函數
         2. 反向傳播算法優化器
   10. 模型儲存與加載
   11. 優化器
       1. GradientDescentOptimizer
       2. MomentumOptimizer
       3. AdamOptimizer
       4. AdagradOptimizer
       5. AdadeltaOptimizer
4. 1. PAI DSW - 雲端互動式代碼開發工具
      1. 适用于使用深度學習神經網絡進行資料分析和使用SQL進行資料分析的使用者
   2. PAI Studio - 機器學習可視化開發工具
      1. 适用于使用經典機器學習、深度學習進行資料分析的使用者
   3. PAI EAS - 模型線上服務
      1. 适用于在PAI平台上已經完成模型建構和使用PAI Studio和PAI-DSW的使用者
   4. PAI autolearning - 自動學習平台
   5. PAI外圍産品
      1. dataworks
      2. maxcompute
      3. oss
      4. nas
5. 1. 阿裡巴巴達摩院
      1. 研究領域：機器智能、資料計算、機器人、金融科技、X實驗室
   2. 阿裡雲人工智能産品
      1. 智能語音産品
         1. 錄音檔案識别
         2. 實時語音轉寫
         3. 語音合成
      2. 智能圖像産品
         1. 圖像識别
         2. 圖像搜尋
         3. 印刷文字識别
      3. 自然語言處理
         1. NLP自學習平台
         2. 多語言分詞
         3. 詞性标注
         4. 命名實體
      4. 1. 機器翻譯電商版
         2. 機器翻譯通用版

相關連結

備注

工匠精神，精益求精，踏實學習，再接再厲 O(∩_∩)O

歡迎各位同學一起來交流學習心得！