第 1篇 人工智能技術(shù)服務 1
項目１ 人工智能技術(shù)與應用設計 2
項目目標 2
項目描述 2
知識準備 2
1.1 智能與人工智能 2
1.1.1 智能的定義 3
1.1.2 人工智能的定義 3
1.2 人工智能關(guān)鍵技術(shù) 3
1.2.1 機器學習 3
1.2.2 深度學習 4
1.2.3 計算機視覺 5
1.2.4 自然語言處理 5
1.2.5 知識圖譜 6
1.2.6 人機交互 6
1.3 人工智能場景下的應用設計方案分析 7
1.3.1 場景需求分析 7
1.3.2 設計方案分析 7
項目實施 9
1.4 實施思路 9
1.5 實施步驟 9
知識拓展 11
1.6 圖靈測試 11
1.7 圖靈測試的缺陷 12
課后實訓 12
項目2 人工智能產(chǎn)業(yè)與應用開發(fā) 13
項目目標 13
項目描述 13
知識準備 14
2.1 人工智能產(chǎn)業(yè)結(jié)構(gòu) 14
2.2 人工智能基礎層相關(guān)產(chǎn)品 14
2.2.1 硬件設施 14
2.2.2 軟件設施 15
2.2.3 數(shù)據(jù)資源 16
2.3 人工智能技術(shù)層相關(guān)產(chǎn)品 16
2.3.1 基礎框架 16
2.3.2 算法模型 17
2.3.3 通用技術(shù) 17
2.4 人工智能應用層相關(guān)產(chǎn)品 17
2.4.1 應用平臺 17
2.4.2 智能應用場景 18
2.5 人工智能應用開發(fā)的基本流程 18
2.5.1 需求分析 18
2.5.2 數(shù)據(jù)準備 19
2.5.3 模型訓練 20
2.5.4 模型應用 20
項目實施 20
2.6 實施思路 20
2.7 實施步驟 20
知識拓展 23
課后實訓 24
第 2篇 智能數(shù)據(jù)服務平臺應用 25
項目3 智能數(shù)據(jù)服務平臺入門使用 26
項目目標 26
項目描述 26
知識準備 26
3.1 智能數(shù)據(jù)服務平臺簡介 26
3.2 智能數(shù)據(jù)服務平臺功能 27
3.2.1 數(shù)據(jù)采集 27
3.2.2 數(shù)據(jù)清洗 28
3.2.3 數(shù)據(jù)標注 28
3.3 智能數(shù)據(jù)服務平臺優(yōu)勢 29
項目實施 29
3.4 實施思路 29
3.5 實施步驟 30
知識拓展 35
課后實訓 36
項目4 智能數(shù)據(jù)服務平臺數(shù)據(jù)采集 37
項目目標 37
項目描述 37
知識準備 37
4.1 數(shù)據(jù)的定義 37
4.2 數(shù)據(jù)的分類 38
4.2.1 按照字段類型分類 38
4.2.2 按照數(shù)據(jù)結(jié)構(gòu)分類 38
4.2.3 其他分類 40
4.3 構(gòu)建高質(zhì)量數(shù)據(jù)集 40
4.3.1 獲取足夠的數(shù)據(jù)量 40
4.3.2 采集高質(zhì)量的數(shù)據(jù) 42
4.3.3 創(chuàng)建高質(zhì)量的分類 43
4.3.4 拆分數(shù)據(jù)集 43
項目實施 44
4.4 實施思路 44
4.5 實施步驟 44
知識拓展 51
課后實訓 52
項目5 智能數(shù)據(jù)服務平臺數(shù)據(jù)清洗 53
項目目標 53
項目描述 53
知識準備 53
5.1 數(shù)據(jù)清洗的定義 53
5.2 數(shù)據(jù)清洗的對象 54
5.2.1 殘缺數(shù)據(jù) 54
5.2.2 錯誤數(shù)據(jù) 54
5.2.3 重復數(shù)據(jù) 54
5.3 數(shù)據(jù)清洗的作用 55
5.4 數(shù)據(jù)質(zhì)量的評估準則 55
5.4.1 完整性 55
5.4.2 一致性 56
5.4.3 準確性 56
項目實施 56
5.5 實施思路 56
5.6 實施步驟 57
知識拓展 64
課后實訓 65
項目6 智能數(shù)據(jù)服務平臺圖像標注 66
項目目標 66
項目描述 66
知識準備 66
6.1 圖像標注的定義 66
6.2 常見的圖像標注方式 67
6.2.1 2D邊界框標注 67
6.2.2 3D長方體標注 68
6.2.3 多邊形標注 68
6.2.4 關(guān)鍵點標注 69
6.2.5 折線標注 69
6.2.6 語義分割 69
6.3 圖像標注流程 70
6.3.1 確定標注規(guī)則 70
6.3.2 試標注 71
6.3.3 標注檢查 71
6.3.4 模型訓練 71
6.3.5 預標注 71
6.3.6 補充標注 72
6.4 圖像標注通用規(guī)則 72
6.4.1 貼邊規(guī)則 72
6.4.2 重疊規(guī)則 72
6.4.3 獨立規(guī)則 73
6.4.4 不框規(guī)則 73
6.4.5 邊界檢查規(guī)則 74
6.4.6 小目標規(guī)則 74
項目實施 74
6.5 實施思路 74
6.6 實施步驟 74
知識拓展 84
6.7 XML的定義 84
6.8 XML文件的作用 85
課后實訓 85
第3篇 深度學習模型定制平臺應用 87
項目7 深度學習模型定制平臺入門使用 88
項目目標 88
項目描述 88
知識準備 89
7.1 深度學習模型定制平臺的簡介 89
7.2 深度學習模型定制平臺的功能 89
7.2.1 EasyDL圖像 89
7.2.2 EasyDL文本 91
7.2.3 EasyDL語音 93
7.2.4 EasyDL OCR 94
7.2.5 EasyDL視頻 94
7.2.6 EasyDL結(jié)構(gòu)化數(shù)據(jù) 95
7.3 深度學習模型定制平臺的優(yōu)勢 96
項目實施 97
7.4 實施思路 97
7.5 實施步驟 97
知識拓展 107
課后實訓 108
項目8 深度學習模型定制平臺模型訓練 109
項目目標 109
項目描述 109
知識準備 110
8.1 物體檢測模型的應用場景 110
8.1.1 視頻圖像監(jiān)控 110
8.1.2 工業(yè)生產(chǎn)質(zhì)檢 111
8.1.3 專業(yè)領域研究 112
8.2 物體檢測模型的訓練結(jié)果 112
8.2.1 正確識別 112
8.2.2 誤識別 113
8.2.3 漏識別 113
8.3 物體檢測模型的評估指標 114
8.3.1 準確率 114
8.3.2 精確率 114
8.3.3 召回率 114
8.3.4 假正類率 115
8.3.5 F1分數(shù) 115
8.3.6 平均精度 115
8.4 EasyDL訓練物體檢測模型的基本流程 116
項目實施 116
8.5 實施思路 116
8.6 實施步驟 117
知識拓展 124
課后實訓 124
項目9 深度學習模型定制平臺模型部署 126
項目目標 126
項目描述 126
知識準備 127
9.1 深度學習模型部署流程 127
9.2 深度學習模型定制平臺的部署方法 127
9.2.1 圖像類模型部署方法 127
9.2.2 文本類模型部署方法 128
9.3 人工智能邊緣開發(fā)設備及攝像頭 128
項目實施 129
9.4 實施思路 129
9.5 實施步驟 129
知識拓展 140
9.6 獲取Access Token 140
9.7 API請求返回參數(shù) 141
9.8 錯誤碼 141
課后實訓 143
第4篇 深度學習綜合應用 144
項目１0 深度學習開發(fā)平臺視覺任務應用 145
項目目標 145
項目描述 145
知識準備 146
10.1 工業(yè)質(zhì)檢行業(yè)背景 146
10.2 智能工業(yè)質(zhì)檢流程 147
10.3 工業(yè)質(zhì)檢行業(yè)應用 147
項目實施 148
10.4 實施思路 148
10.5 實施步驟 148
知識拓展 159
課后實訓 160
項目１1 深度學習開發(fā)平臺文本任務應用 161
項目目標 161
項目描述 161
知識準備 161
11.1 文本分類的行業(yè)背景 161
11.2 文本分類的流程 162
11.3 文本分類模型的評估指標 162
11.3.1 宏平均和微平均 162
11.3.2 11點平均正確率 163
11.4 文本分類模型的行業(yè)應用 163
項目實施 163
11.5 實施思路 163
11.6 實施步驟 164
知識拓展 183
11.7 中文語料庫 183
11.8 英文語料庫 184
課后實訓 184
項目１2 深度學習開發(fā)平臺聲音任務應用 186
項目目標 186
項目描述 186
知識準備 187
12.1 聲音分類的概念 187
12.2 聲音分類的應用 187
12.3 智能聲音分類的流程 187
項目實施 188
12.4 實施思路 188
12.5 實施步驟 189
知識拓展 203
課后實訓 204