【周红伟老师简介】
大数据与人工智能实战专家
现任云宇宙科技CEO
前商才数字CTO
前马上消费金融风控负责人
前富民银行数据科学家
前猪八戒大数据科学家
重庆市大数据科学家
深度学习与人工智能科学家
法国科学院数据算法博士
发起《重庆市金融风险防范实验室》任风控总监
【实战经验】
周老师2009年毕业于法国科学院LAAS实验室，荣获多项人工智能算法国际发明专利。近10年人工智能算法、大数据智能决策实战经验。先后任职互联网独角兽大数据总监、技术总监。
毕业后专注于深度学习，大数据，云计算，人工智能。开发了基于深度学习的车辆视频跟踪，车牌识别，优于海康威视的同类产品，为华为公司的OEM供货商。曾任职猪八戒大数据科学家，伴随着猪八戒网的闪电扩张，从百亿估值向千亿估值的征程中，领导研发了国内第一个基于大数据，深度神经网络的商标搜索系统。作为马上消费金融风控负责人，领导研发了基于共享经济平台的大数据金融风控系统。曾就职于商才数字科技公司，任技术总监，设计和领带开发了综合电商交易平台，点餐外卖平台，数据中台，服务于电商、点餐外卖业务，带动了公司快速的互联网生态化发展。
现任职于元宇宙科技有限公司，搭建大数据分析和决策平台，深度学习平台，智能决策平台。深化电商交易平台，wemeta元宇宙平台。赋能生鲜水果新业务，赋能金融科技业务。
周老师一直专注于企业在人工智能，大数据，云计算，区块链背景下，如何应对移动互联网，互联网生态系统搭建，大数据，人工智能的挑战和企业应对策略，商业模式的变更。企业如何在人工智能时代，搭建人工智能企业架构，博得大数据、人工智能红利。人工智能时代共享经济的思维变革，人工智能金融探秘，互联网领域的投资挖掘。
【主讲课程】
《人工智能算法方法论和知识体系》
《人工智能和大数据驱动智能决策》
《人工智能和大数据核心应用和商业化落地》
《人工智能方法论在金融行业的应用》
《人工智能方法论在通信行业的应用》
《互联网金融(消费金融)企业的AI大数据应用》
《互联网大数据在智慧城市方面的应用
《大数据时代的人工智能思维》
《互联网金融的大数据风控》
《金融大数据反欺诈实践》
《商业数据分析与应用决策》
《企业数据治理落地实践》
《元宇宙认知到落地实践》
【授课风格】
1、实战派：领导、设计和开发过多个人工智能项目，对企业的大数据、人工智能应用落地的痛点问题有清晰的了解和认识。
2、接地气：课程内容突出业务分析，实战实用，贴合实际工作需要、结合企业的痛点问题和丰富案例；能引导学员结合企业问题输出落地的解决方案。
【软件著作】
《基于大数据的智能决策系统》
《互点商城交易平台》
《某政府标签信息决策系统》
《数据治理-数据标准管理系统》
《数据治理-主数据管理系统》
《数据治理-元数据管理系统》
《数据治理-数据模型管理系统》
《AIOPS深度学习管理平台》
【专利】
《基于大数据的深度学习图像检索系统》
【服务客户】
金融：杭州银行，汇丰银行，花旗银行，工商银行，中国银行、中国平安、中信银行、富民银行、蚂蚁金服，微众银行、马上金融、八戒金融,、重庆市金融风险防范实验室；
通信：中国移动研究院，中国移动、中国电信、中国联通、中移物联网；
500强企业：中国建筑、中国烟草、中国移动、中国电力、工商银行、花旗银行、汇丰银行，中国商飞，中国华为；
能源：中国石油，中国石化，中核工业；
互联网：马上金融、猪八戒网、银杏互联、商才数字、云宇宙科技；
政府：重庆市政府、渝中区政府，江北区政府，重庆经信委。
【人工智能算法应用开发和落地实践课程大纲】
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
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.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.RESTAPI
2.2.4.软件工程中的需求演进处理
3.定制化的人工智能应用开发案例
3.1.智能家居应用开发详解
3.1.1.认知服务（语音转文字服务）使用介绍
3.1.2.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.看图识花应用开发详解
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.人工智能与伦理
5.1.概述
5.2.人工智能伦理相关概念
5.3.人工智能的伦理问题
5.4.人工智能伦理问题的应对
6.机器学习平台
6.1.机器学习平台概述
6.2.机器学习平台功能详解
6.3.需求与技术决策
6.4.开源机器学习平台
7.人工智能前沿综述
7.1.开源自动机器学习工具
