本项目利用深度学习技术，跟踪路面实时车辆通行状况，并逐帧记录不同行车道车流量数目。车辆自动计数系统由计数系统、图像抓拍系统、实时监控录像系统组成，可在视频看出每个车辆的连续帧路径。
1、Siamese系列模型2、yoloV3目标检测3、SORT/DeepSORT算法4、卡尔曼滤波目标位置优化5、匈牙利算法目标匹配6、相机校正方法
本项目可通过摄像头实时采集视频人脸数据，也可批量图片输入自动化识别人脸；本项目对视频可实现人脸的跟踪，并标注姓名、性别、情绪（开心、生气、自然）等信息；能对进入视频的陌生人报警。
1、EigenFace2、LBPH3、双属性图4、动态人脸定位5、活体检测6、柔性模型技术7、Gabor系数特征匹配8、隐马尔科夫模型的图像分割
中文标签化系统是NLP基础任务的综合系统，同时又是NLP应用的基础设施。根据文本信息，给出对应的预定义标签将能够有效的支持用户画像，推荐系统等。同时，对于高阶NLP任务，如对话，翻译，寓意蕴含等在语料分类上将有很大的帮助。
1、标签词汇知识图谱2、特征工程3、fasttext模型4、多模型训练与预测5、AI业务流调试6、Django后端服务搭建
推荐系统的在当下的火爆程度毋庸置疑，个性化推荐的需求也是每一个toC产品应该实现的目标。本项目推荐系统策略与图像与视觉处理相结合，深度解决互联网产业的推荐业务场景。
1、知识图谱构建双画像2、多召回策略3、召回金字塔4、基于人脸5、场景6、表情推荐方案
人脸支付项目是一个基于计算机视觉方向的人脸识别项目，该项目以支付系统为背景介绍人脸处理的整体流程。利用机器学习和深度学习的方法，针对摄像头捕获的视频图像，进行人脸区域检测，人脸跟踪，人脸姿态的检测，通过人脸矫正，人脸比对完成人脸的识别。
1、人脸检测的解决方案2、人脸姿态（欧拉角）检测3、人脸关键点识别4、人脸多任务（年龄，性别等）5、人脸特征对比
1、Hadoop分布式文件存储和计算2、Sqoop大规模数据迁移3、Lambda架构4、Flume数据采集5、Kafka消息队列6、Spark机器学习7、用户特征工程8、TFIDF、TextRank文本特征工程9、多路召回策略10、Wide&Deep深度学习模型
根据用户的历史行为，挖掘出用户的喜好，并为用户推荐与其喜好相符的商品或者信息。同时让一些有价值的信息能够到达潜在的用户之中。其中用户画像标签系统为推荐系统提供数据支持，商品推荐的Ctr/Cvr点击率/转化率预估系统为推荐系统推荐结果提供排序依据。
1、推荐系统项目业务背景介绍2、推荐系统架构3、企业级用户画像4、SparkMllib案例实战5、多路召回算法6、排序算法7、推荐系统指标评估
1、jieba分词2、skip-gram模型3、CBOW模型4、词嵌入原理word_embedding5、神经网络RNN-LSTM-GRU6、Seq2Seq模型完整搭建和训练7、astText+Attention注意力机制
金融风控项目搭建了整套金融风控知识体系，从反欺诈、信用风险策略、评分卡模型构建等热点知识，使得学员具备中级金融风控分析师能力。
1、常见信贷风险、金融风控领域常用术语2、信贷审批业务基本流程、ABC评分卡概念、正负样本定义方法等3、特征衍生、特征交叉、特征评估与筛选4、逻辑回归评分卡、集成学习评分卡、模型评价（KS，AUC），评分映射方法，模型报告