课程形式

基于应用案例，讲道、法、术、器，从问题入手，提供解决思路和实战方法，较少数学理论。

课前：提出需要解决的行业问题

• 提高工作效率及工作成果
• 减少不必要的工作岗位
• 基于业务特点用人工智能开发新业务
• 助力分析和预测

课中：针对问题教授相应的技术手段和解决方法

课后：提出实施方法和建议

第一天：初识人工智能与机器学习

• 智能与人工智能、常见技术概念、人工智能的价值
• 人工智能应用领域
• 人工智能的体系和技术分支
• 人工智能竞争格局
• 理清几个关系

• 人工智能与数据分析（大数据）的关系
• 人工智能与控制理论
• 人工智能产品与软件产品的区别和联系

• 人工智能产品团队组建方法
• 学习方法和材料

• 如何用人工智能赋能行业创新？
• 数学准备（不是必须的）
• 数据集、开源实验平台和工具
• 参考文章和书籍

• 机器学习

• 机器学习的分类
• 机器学习能做什么？
• 机器学习不能做什么？
• 应用机器学习的方法策略和原理

第二天：分类、分组和预测：机器学习的基础招式

• 分类：通过应用决策树进行调查
• 分类：通过应用NaïveBayes识别频繁和普通的旅行者
• 分组：查找单词的共同出现
• 分组：查找投票模式
• 预测：通过应用回归算法预测受众数量
• 预测：预测农产品生产量

第三天：建议、优化与集成学习：机器学习的加强式

• 推荐：推荐一本我真正喜欢的好书
• 推荐：根据内容推荐一篇供我阅读的文章
• 优化：通过遗传算法获得良好的成本函数
• 优化：根据能力将任务分配给不同的团队成员
• 为什么深度学习的能力是有限的？
• 集成学习

第四天：自我学习：机器学习里最有挑战的部分

• AlphaGo的原理
• 如何做一个AlphaGo？一个能根据环境变化采取正确策略的智能体
• 其他前沿话题

• 迁移学习
• 终身学习

• 学习总结