微软虚拟学院课程汇总（整理篇）
2022-05-05 10:29:13 1 举报AI智能生成
微软虚拟学院课程汇总
作者其他创作
大纲/内容
微软人工智能 － 服务和API
微软人工智能服务和 API 概览
本课时分享微软认知服务的真实的应用场景与案例。
微软人工智能服务和 API 概览 - 新技术更新
本课时介绍在刚结束的微软Build大会上，最新更新的认知技术。
微软认知服务 – 视觉API
本课时讲解分析图像API，以及如何在Azure上申请相应的Key，如何利用Console进行测试以及在哪里下载对应样例代码。
微软认知服务 - 语义及语音API
分支主题
本课时详细介绍自然语言理解、认知服务 — 语音API和认知服务—语义API。
微软智能语义理解服务 LUIS 技术详解
本课程首先简要介绍了微软语义理解与智能服务LUIS的功能，并对基本使用方法进行了在线演示；然后通过具体的应用详细解释了LUIS背后的机器学习算法以及各功能块和算法的对应关系，从而给LUIS使用者提出了实用的建议。
微软认知服务 – 自定义语音服务
微软在原有语音API基础上又推出了自定义的语音服务，可以帮助开发者在各种复杂的环境下更精准的识别和处理语音信息。
微软对话即平台及会话机器人框架Bot Framework（上）
本课时讲解 Bot Framework 和微软认知服务。
微软对话即平台及会话机器人框架Bot Framework（下）
本课时讲解如何打造你自己的智能 Bot。
Vision API 在实际案例中的应用
希望您可以这节课程更加了解微软人工智能技术和和计算机视觉服务，帮助您发现微软人工智技术对您企业产品的潜在价值。
微软人工智能机器翻译技术
本课程追溯微软在人工智能机器翻译领域的研究历史，详细介绍微软认知服务翻译服务API的功能和应用领域，并荣幸地邀请到游族海外运营总监陆启頔先生给大家分享翻译服务在游族海外游戏平台中的成功案例。
会话机器人 BOT 实例分享
在企业实际应用场景中，有哪些已经导入的案例?Bot可以提供怎样的服务，在设计Bot时，哪些是需要考虑的因素，在实际使用LUIS以及Bot Framework中，有遇到那些需要注意的地方，在这这门课中会为大家一一道来。
微软人工智能 － 数据分析平台
数据分析平台概况
整体介绍微软Azure的数据分析服务，重点强调Azure数据湖泊（包括存储和分析），HDInsight，Spark，微软R服务，以及在线机器学习服务Machine Learning Studio。
微软Azure机器学习服务
本课时将详细介绍微软 Azure 机器学习服务的使用和案例。
微软 R 服务
本课时介绍微软R服务的基本概念，以及如何在HDInsight和SQL Server上使用R进行机器学习算法的分布式计算和快速部署。
微软 Data Lake 服务
本节课将介绍Azure 数据湖泊服务的功能、优势及使用场景。
微软机器学习工具 AML Workbench 助力数据科学实现全生命周期流程
本课程深入分析数据科学流程中常见的四大关键问题，详细介绍微软全新推出的Azure Machine Learning Workbench工具，针对性解决四大关键问题，帮助数据科学家降低开发成本、提高训练效率，并且通过与Azure公有云平台无缝衔接，实现模型快速验证和发布。
数据案例解析 - 新零售智能快闪车
这节公开课介绍了一个新零售智能快闪车的项目，利用微软大数据预测未来趋势与新兴设计，确保产品合乎市场需要。同时, 通过Skype Translator随时随地让设计师与顾客沟通。
微软人工智能 － 深度学习框架
深度学习概览
本课时概括性的介绍一些在微软平台上与深度学习相关的最新突破以及对于开发者的支持。
深度神经网络简介及模糊神经网络FNN
本次课程首先简要回顾了人工智能以及神经网络的发展历史，然后从感知器开始，重点介绍了最基本的深度神经网络——深度前馈神经网络，以及如何训练神经网络模型。
卷积神经网络CNN
本课程介绍构成卷积神经网络的基本层；基本的优化目标及方法；最近结构设计方面的工作。
循环神经网络RNN
本次课程在前馈式网络知识的基础上，以语言模型为例，具体介绍了循环神经网络的研究历史，网络结构，学习算法和典型应用。
深度神经网络在语音中的应用
本课程介绍语音识别系统的概要；基于前馈神经网络的声学模型；基于卷积神经网络和递归神经网络的声学模型；常用的语音识别开源软件。
深度视频分析与理解
本视频主要回顾了视频理解领域最新的研究进展，从该领域核心问题的概述出发，不仅涵盖了视频特征学习以及视频分类/识别这些基本的任务和挑战，还包含了新兴的视觉与语言交叉任务。
深度学习在计算机图形学中的结合与运用
本课程分为两个部分：第一部分介绍如何利用八叉树结构来构造高效的三维卷积神经网络，并将其应用在三维物体的识别、检索与分割；第二部分针对表观建模中的大量无标注数据和少量标注数据，介绍如何构造自增强神经网络进行有效的训练。
强化学习DRL简介
本讲座简单的介绍了强化学习的基础知识，包括什么是强化学习；马尔可夫决策过程和贝尔曼方程；Q-learning算法；Deep Q-learning算法。
Azure GPU助力基于TensorFlow框架的深度学习
本课时介绍基于Azure GPU虚拟机如何开发高性能分布式的TensorFlow深度学习算法。
Cognitive Toolkit框架以及Azure上DSVM虚拟机模板
本课程通过介绍微软认知工具包和Azure数据科学虚拟机，结合动手实验，旨在帮助深度学习研究者加快深度学习网络模型搭建、训练以及评估的过程，帮助用户快速上手实践。
实践：基于Azure和Caffe 框架的深度学习
本节课讲师通过一个端到端的动手实验，详细介绍如何基于DSVM进行Caffe的开发。
Apache Spark 微软机器学习
Microsoft Machine Learning for Apache Spark（以下简称MML for Spark）是微软提供的一个开源的机器学习Library。本节课将通过多个实际代码演示介绍MML for Spark的功能、优势及使用场景。
人工智能技术在医疗健康问答系统中的应用案例解析
这次课程以一个具体的应用问题，即医疗健康领域常见问题的自动化问答为例介绍了包括知识工程，统计机器学习，包括深度学习在内的多种算法如何在解决问题的过程中被从不同角度不同程度的使用。
微软识花案例解析
本次课程介绍了一个基于深度神经网络的精细化物体识别应用—微软识花。课程首先详细介绍了微软识花的产品功能、特点、识别逻辑、用户界面和影响力。
Microsoft Pix 案例解析
本次课程首先简要介绍了Microsoft Pix为何被称为人工智能相机，并解释了Pix拍摄中涉及的智能技术；然后以五个功能为例重点介绍了这些功能如何得以实现。
0 条评论
下一页
