Copyright © Microsoft Corporation. All rights reserved.适用于License版权许可

微软亚洲研究院 System Research 团队

人工智能应用开发实践课程

受众人群：具有人工智能理论基础/编程经验的的学生、程序员

课程概述

本课程以“做中学“的理念为核心，打破先理论再动手的传统的学习方式，精心按照学习曲线设计课程结构，从人工智能真实的应用场景与案例出发，先讲生动的案例，配合详实的实际操作说明，然后在动手实现场景的基础上，逐步引入人工智能学习中的相关理论知识，以递进学习的新颖方式层层剖析人工智能开发的主流场景，让大家在真正动手开始进行人工智能应用的开发的同时，对人工智能理论学习有更深的理解，提高人工智能学习的效率，可作为有意从事人工智能开发的学习者和教育者的一套实用的实践教程.

课程大纲

所有课程资源请点击这里获取

• 1.人工智能应用开发概述

• 2.预构建的人工智能应用开发案例（持续更新中）

  • 2.1. OCR类应用开发详解
    • 2.1.1. 微软认知服务（影像服务/文本翻译服务）使用介绍
    • 2.1.2. 漫画翻译应用开发：小型客户端软件的界面设计与实现
    • 2.1.3. 习题与进阶学习
  • 2.2. 搭建中间服务层
    • 2.2.1. 微软认知服务（影像服务/实体搜索服务）使用介绍
    • 2.2.2. 商业应用软件的架构设计
    • 2.2.3. ASP.NET Core Web Application
    • 2.2.4. REST API
    • 2.2.5. 软件工程中的需求演进处理
    • 2.2.6. 习题与进阶学习

• 3.定制化的人工智能应用开发案例（持续更新中）

  • 3.1. 智能家居应用开发详解
    • 3.1.1. 微软认知服务（语音转文字服务）使用介绍
    • 3.1.2. 微软认知服务（语言理解服务）使用介绍
    • 3.1.3. 在线定制语言理解服务
    • 3.1.4. 智能家居应用开发
  • 3.2. 看图识熊应用开发详解
    • 3.2.1. 定制化视觉服务使用介绍
    • 3.2.2. 基于定制化视觉服务的开发
    • 3.2.3. 离线模型推理应用

• 4.自构建人工智能应用开发案例

  • 4.1. 图像识别类应用开发基础案例
    • 4.1.1. 典型的人工智能应用的代码结构和功能
    • 4.1.2. TensorFlow模型到.Net Framework应用环境的快速集成
    • 4.1.3. 基于本地模型的手写数字识别应用开发
  • 4.2. 图像识别类应用开发进阶案例
    • 4.2.1. 扩展模型介绍
    • 4.2.2. 实现手写算式计算器
  • 4.3. 文字理解类应用开发案例
    • 4.3.1. QnA认知服务使用介绍
    • 4.3.2. 搭建QnA系统
    • 4.3.3. 客户端访问QnA系统
    • 4.3.4. 结合BotService和QnA系统来构建自动问答平台
  • 4.4. AI+游戏开发案例
    • 4.4.1. 黄金点游戏介绍
    • 4.4.2. 服务端接口介绍
    • 4.4.3. 游戏人工智能策略介绍
    • 4.4.4. 实现多个游戏人工智能比赛
  • 4.5. 预测股票价格走势案例
    • 4.5.1. 量化交易案例描述
    • 4.5.2. 数据说明
    • 4.5.3. 环境准备
    • 4.5.4. 数据准备
    • 4.5.5. 模型训练和应用
      • 4.5.5.1. 梯度提升决策树
      • 4.5.5.2. 神经网络
    • 4.5.6. 作业与挑战
      • 4.5.6.1. 书写实验总结
      • 4.5.6.2. 实现梯度提升决策树
      • 4.5.6.3. 实现神经网络
      • 4.5.6.4. 改进价格预测模型
      • 4.5.6.5. 改进回溯测试交易策略
      • 4.5.6.6. 实现量化交易应用
  • 4.6. 基于NLP的智能对联案例
    • 4.6.1. 智能对联案例描述
    • 4.6.2. 环境准备
    • 4.6.3. 模型训练
    • 4.6.4. 模型推理
    • 4.6.5. 应用程序编写

• 5.AI应用开发理论基础 (本章节最新课程点击这里)

  • 5.1. 神经网络的基本工作原理
  • 5.2. 神经网络中反向传播与梯度下降的基本概念
  • 5.3. 损失函数激活函数
  • 5.4. 单入单出单层
  • 5.5. 多入单出单层-多变量线性回归
  • 5.6. 激活函数
  • 5.7. 多入多出单层神经网络
  • 5.8. 单入单出双层
  • 5.9. 多入多出双层
  • 5.10. 多入多出多层
  • 5.11. 神经网络模型概述
  • 5.12. Windows模型的部署
  • 5.13. Android模型的部署
  • 5.14. 附录：基本数学导数公式

• 6.人工智能与伦理

  • 6.1. 概述
  • 6.2. 人工智能伦理相关概念
  • 6.3. 人工智能的伦理问题
  • 6.4. 人工智能伦理问题的应对

• 7.机器学习平台

  • 7.1. 机器学习平台概述
  • 7.2. 机器学习平台功能详解
  • 7.3. 需求与技术决策
  • 7.4. 微软的开源机器学习平台

• 8.人工智能前沿综述

  • 8.1. 开源自动机器学习工具