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]
