课程大纲

├──1-人工智能基础-快速入门  

|   ├──1-人工智能就业、工资、各行业应用  

|   └──2-机器学习和深度学习,监督和监督  

├──10-机器学习与大数据-Kagle竞赛实战  

|   ├──1-药店销售预测案例  

|   └──2-网页分类案例  

├──机器学习与大数据-海量数据挖掘工具  

|   ├──1-Spark计算框架基础  

|   ├──2-Spark计算框深入  

|   └──Spark机器学习MLlib和ML模块  

├──12-机器学习与大数据-推荐系统项目实战  

|   ├──1-推荐系统-流程和架构  

|   ├──2-推荐系统-数据预处理和模型构建评估  

|   └──3-推荐系统-模型使用和推荐服务  

├──13-深度学习-原理和进步  

|   ├──1-神经网络算法  

|   ├──2-Tensorflow深度学习工具  

|   └──3-反向传播推导_Python代码实现神经网络  

├──14-深度学习-图像识别原理  

|   ├──1-卷积神经网络的原理  

|   ├──2-卷积神经网络优化  

|   ├──3-经典卷积网络算法  

|   ├──4-古典目标检测  

|   └──5-FasterRCNN现代目标检测  

├──15-深度学习-图像识别项目实战  

|   ├──1--车牌识别  

|   ├──2-目标检测和源代码分析在自然场景中  

|   └──3-图像风格迁移  

├──16-深度学习-目标测试YOLO(V1-V4全版)实战  

|   ├──1-YOLOv1详细说明  

|   ├──2-Yolov2详细解释  

|   ├──3-YOLOv3详细解释  

|   ├──4-YOLOv3代码实战  

|   └──5-YOLOv4详细解释  

├──17-深度学习-语义分割原理和实战  

|   ├──1-上采样_双线插值_转移卷积  

|   ├──2-医学图像UNet语义分割  

|   └──3-蒙版弹幕MaskrCNN语义分割  

├──18-深度学习-人脸识别项目实战  

├──19-深度学习-NLP自然语言处理原理  

|   ├──1-词向量和词嵌入  

|   ├──2-循环神经网络的原理和优化  

|   ├──3-从Attention机制到Transformer  

|   └──4--ELMO_BERT_GPT  

├──2-人工智能基础-Python基础-Python基础  

|   ├──1-python开发环境建设环境建设  

|   └──2-Python基础语法语法  

├──20-深度学习-NLP自然语言处理项目实战  

|   ├──1--词向量  

|   ├──2-自然语言处理-情感分析  

|   ├──3--AI写唐诗  

|   ├──Seq2Seq聊天机器人  

|   ├──5-实战NER命名实体识别项目  

|   ├──6-BERT新浪新闻10分类项目  

|   └──7-GPT2聊天机器人  

├──21-深度学习-OCR文本识别  

├──24-【加课】Pytorch项目实战  

|   ├──1-Pytorch运行环境安装_运行环境亲自测试  

|   ├──2-Pytorch基础_Tensor张量运算  

|   ├──3-PyTorch卷积神经网络_实战CIFAR10  

|   ├──4-Pytorch循环神经网络_词性标注  

|   └──5-Pytorch编码器解码器_机器翻译  

├──25-【加课】百度飞桨PadlePadle实战【新增】  

|   ├──1-PaddlePadle框架安装_波士顿房价预测  

|   ├──2-PaddlePadle卷积网络_病理性近视识别  

|   ├──3-Paddledetection工具_PCB电路板缺陷检测  

|   ├──4-PaddleoCR工具_车牌识别(目标检测)+CRNN+CTCLoss)  

|   ├──5-PadleNLP模块_物流信息提取(BiGRU+CRF)  

|   └──6-Padlenlp模块_物流信息提取(ERNIE版)  

├──26--【加课】Linux 环境编程基础  

|   └──1--Linux  

├──27-[添加课程]算法和数据结构  

|   └──1-算法和数据结构  

├──3-人工智能基础-Python科学计算和可视化  

|   ├──1-科学计算模型Numpy  

|   ├──2-数据可视化模块  

|   └──3-Pandass数据处理分析模块  

├──31--【加课】 加强学习[新增]  

|   ├──1--Q-Learning和SARSA算法  

|   ├──2--Deep Q-Learning Network  

|   ├──3--Policy Gradient 策略梯度  

|   ├──4--Actor Critic (A3C)  

|   └──5--DDPG、PPO、DPPO算法  

├──4-人工智能基础-加强高等数学知识  

|   ├──1-数学内容概述  

|   ├──2-一元函数微分学  

|   ├──3-线性代数基础  

|   ├──4-多元函数微分学  

|   ├──5-高级线性代数  

|   ├──6--概率论  

|   └──7--最优化  

├──5-机器学习-线性回归  

|   ├──1-多线性回归  

|   ├──2--梯度下降法  

|   ├──3--归一化  

|   ├──4--正则化  

|   └──5-Lasso回归_Ridge回归_多项式回归_  

├──6-机器学习-线性分类  

|   ├──1--逻辑回归  

|   ├──2-Softmax回归  

|   ├──SVM支持向量机算法  

|   └──4-SMO优化算法  

├──7-机器学习-无监督学习  

|   ├──1-聚类系列算法  

|   ├──2-EM算法和GMM高斯混合模型  

|   └──3-PCA降维算法  

├──8-机器学习-决策树系列  

|   ├──1--决策树  

|   ├──2-集成学习和随机森林  

|   ├──3--GBDT  

|   └──4--XGBoost  

├──9-机器学习-概率图模型  

|   ├──1--贝叶斯分类  

|   ├──2--HMM算法  

|   └──3--CRF算法  

└──课件

[我要扒资料]

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。