AI讲师人工智能讲师机器学习讲师深度学习讲师叶梓简历（机器学习深度学习强化学习人工智能老师）

上海交通大学计算机专业博士毕业，在校期间的主研方向为数据挖掘、机器学习、AI人工智能。毕业后即进入某大型软件上市公司从事大数据、人工智能等技术相关工作。在大数据应用、人工智能等方面都有着丰富的经验。

点击博客个人主页查看叶梓老师的更多详情个人助理QQ：526346584

案例及课程：

主要课程：

• 《数据分析与数据挖掘导论》
• 《机器学习与深度学习》
• 《基于深度学习的计算机视觉》
• 《强化学习与深度强化学习》
• 《强化学习》
• 《大数据》

人工智能咨询项目案例：

1. 部分项目经验：

1. 上海市经信委人工智能项目 项目负责人

• 搭建大数据资源融合处理大平台和智能服务平台。建设智能应用系统，包括：基于NLP技术的智能系统、基于深度学习的影像识别系统、服务监管系统、基于智能推理算法的筛查系统。

1. 上海市的某领域信息化工程 总工程师

• 采用大数据技术，建设市级档案信息平台，完成试点区县接入并采集居民相关信息，实现市级平台档案等服务，并实现所有区县的全面接入。为解决超量数据的存储与计算的问题，还搭建了存储全市数据的云计算平台，并在其上进行了基于大数据的分析和挖掘工作。

1. 部分人实践案例：

1. 人体姿态识别

• 初步需求：捕捉人体运动动态

1、获取到视频流，并将视频分解为多帧2维的图像，
2、通过深度学习中的关键点检测算法会识别并标记出身体特点的部位，
3、通过算法将关键点连接到一起，形成不同角度下的姿势表现，
4、并以人体姿势骨架的形式将人体姿势呈现出来，并最终实现可视化

• 识别结果：在训练集上的正确率: 95.93% ；在验证集上的正确率: 87.08%

 

1. 土方车识别系统

• 典型的深度学习模型就是包含很多个隐含层神经网络，如：CNN；
• CNN及其拓展模型主要用于图像识别、目标检测等领域；
• CNN的关键技术包括：卷积、共享权重、池化采样、非线性激活等。

• 技术路线：

1. 利用基于TensorFlow+Keras的深度学习框架；
2. 利用GPU提高训练速度；
3. 搭建了特定结构的CNN模型：
   • 两个卷积层；
   • 一层最大池化；
   • ReLU激活函数；
   • 通过Dropout避免“过适应”；
   • 最后是全连接层。
4. 结果：识别率达到：98%