腾讯产业互联网学堂

1. 人工智能概述

1.1 人工智能的定义与三个层面、常见术语解释 1.2 专业人才的人工智能系统学科、AI从业者学习路径

2. 人工智能应用

2.1 生活中的人工智能应用 2.2 人工智能技术渗透各产业：金融/零售/交通/教育/医疗/制造/健康... 2.3 健康码案例详解

3. 人工智能产业发展

3.1 人工智能走向“泛在”智能

1. 人工智能发展的成功要素

1.1 数据 1.2 算法 1.3 硬件

2. 人工智能迅速发展的技术领域

2.1 计算机视觉 2.2 语音技术 2.3 自然语言处理

3. 人工智能的基础知识

3.1 机器学习，深度学习及其术语之间的联系等 3.2 机器学习：定义、过程、分类等 3.3 深度学习：定义、神经网络、和机器学习的联系

1. 人工智能项目开发规划与准备

1.1 人工智能项目开发的目标和周期 1.2 数据准备：数据采集、数据清洗、数据标注、数据验收、数据交付 1.3 特征工程：特征选择、特征提取、特征构建

2. 机器学习开发任务实例（房价预测）

2.1 特征工程与机器学习 2.2 制作数据集：数据准备、数据预处理、数据集划分 2.3 特征工程：数据理解、特征分析、特征构造 2.4 模型训练和优化 2.5 模型评测：输出测试集指标

3. 深度学习开发任务实例（无人小车）

3.1 机器学习 vs 深度学习 3.2 明确数据采集需求：赛道、场地、交通标志等 3.3 制作数据集：数据采集、数据标注、标注检验、数据集拆分 3.4 模型训练：模型选择、模型训练、资源监控、模型指标查看 3.5 模型测评：模型测试（精确率、召回率）、困难样本检查

4. 人工智能项目开发验收与维护

4.1 模型性能评估与测试：分类任务评价指标、模型调优、过拟合与欠拟合 4.2 模型部署与维护：环境选择、面临挑战、模型维护

5. 机器学习开发框架

5.1 什么是机器学习开发框架 5.2 机器学习框架和深度学习框架的关系 5.3 常见深度学习框架：发展历程

6. 如何使用开源代码仓库

6.1 人工智能开源软件发展情况 6.2 常见开源代码托管平台

7. 对CPU、GPU 与云计算服务的依赖

7.1 人工智能算力芯片：CPU、GPU、NPU、TPU 7.2 人工智能与云计算服务 7.3 人工智能产品对算力的依赖

1. 腾讯云AI能力矩阵 腾讯云AI建设框架

1.1 腾讯云AI基础算法能力 1.2 腾讯云TI平台

2. 腾讯云AI解决方案

2.1 腾讯云AI各行业应用解决方案（泛娱乐、泛互、政务、工业、支付、文旅、教育、金融、广电、硬件）

3. 腾讯云AI案例解析

3.1 腾讯云AI具体应用案例：内容安全产品案例、工业视觉产品案例

1. 人工智能的未来发展趋势

1.1 人工智能发展十大趋势

2. 人工智能产业岗位分布

2.1 人工智能产业技术架构及技术岗位分布 2.2 人工智能产业人才金字塔结构及对应岗位分布

3. 人工智能典型岗位对能力的要求

3.1 人工智能产业人才能力四要素 3.2 人工智能各产业对人才的能力要求