欢迎大家来到IT世界,在知识的湖畔探索吧!
欢迎大家来到IT世界,在知识的湖畔探索吧!
01—人工智能开发入门
掌握Python基础语法，对后续学习打下坚实基础。
Python编程
|
基本语法 |
数据结构 |
函数 |
|
面向对象 |
多任务 |
模块与包 |
|
闭包装 |
饰器 |
迭代器 |
Numpy矩阵运算
|
Nadrray |
Scalars |
Boradcasting |
|
矩阵运算 |
矩阵转置 |
矩阵求逆 |
Scipy数值运算库
|
Scipy基本使用 |
Scipy常量 |
Scipy稀疏矩阵 |
|
Scipy图结构 |
Scipy空间 |
Scipy插值 |
Pandas数据科学库
|
自带数据 |
结构数据读取写入 |
数据清洗 |
|
数据计算 |
数据合并 |
数据排序 |
Matplotlib
|
基础图表 |
Annotation |
Figure |
|
子图 |
Legend |
Seaborn
|
数据关系图 |
数据分布图 |
类别图 |
|
回归图 |
矩阵图 |
多变量关系 |
PyEcharts
|
基本使用 |
图表API |
组合图表 |
|
其他资源 |
图表类型 |
Web框架整合 |
02—机器学习核心技术
掌握核心机器学习算法原理，掌握分类、回归、聚类使用场景，满足人工智能数据挖掘类岗位，薪资可达到15K-20K。
Scikit Learn
|
聚类算法API |
数据预处理 |
分类算法API |
回归算法API |
分类算法
|
决策树 |
KNN |
Adaboost |
|
随机森林 |
逻辑回归 |
朴素贝叶斯 |
|
GBDT |
XGboost |
LightGBM |
回归算法
|
线性回归 |
Lasso回归 |
决策树回归 |
|
随机森林回归 |
XGboost回归 |
聚类算法
|
KMeans |
KMeans++ |
GMM |
|
基于层次聚类 |
基于密度聚类 |
DBSCAN |
属性降维
|
属性降维 |
特征选择 |
因子分析 |
PCA |
ICA |
LDA |
模型选择
|
Metrics |
Scoring模型得分 |
|
Grid search 网格搜索 |
Cross Validation 交叉验证 |
|
Hyper-Parameters 超参数选择 |
Validation curves 模型验证曲线 |
特征工程
|
Standardization标准化 |
Scaling Features归一化 |
|
Non-linear transformation非线性转化 |
Gaussian distribution高斯分布转化 |
|
Normalization正则化 |
Encoding categorical features类别性编码处理 |
阶段案例实战
- 零售行业建模分析
- 电商用户画像行为分析
03—深度学习核心技术
掌握深度学习算法原理，掌握BP神经网络、CNN、RNN等基础网络结构，为后续NLP和CV奠定技术基础。
人工神经网络
|
损失函数 |
激活函数 |
Back Propagation |
优化方法及正则化 |
BP神经网络
|
网络基本结构 |
正向计算 |
链式法则 |
权重更新 |
|
Sigmoid函数 |
梯度消失/爆炸 |
Batch Normalization |
CNN卷积神经网络
|
局部感受野 |
权值共享 |
DropOut |
|
卷积层 |
池化层 |
全连接层 |
RNN循环神经网络
|
梯度裁剪 |
双向长短时记忆网络（BiLSTM） |
|
长短时记忆网络（LSTM） |
门控神经网络(GRU) |
阶段项目实战
- 图像识别案例
- 文本处理案例
04—NLP自然语言处理技术
本阶段课程将掌握突破市场最热超高年薪的NLP技术，可应对市场上NLP工程师，根据市场反馈薪资突破30K。
Pytorch编程
|
定义损失函数 |
自动微分功能 |
定义优化器 |
定义模型结构 |
传统序列模型
|
隐马尔科夫模型 |
条件随机场 |
原理与实践 |
CRF与HMM区别 |
Transfomer原理
|
编码器 |
解码器 |
注意力机制 |
|
语言模型 |
模型超参数 |
模型验证 |
文本预处理
|
文本处理基本方法 |
文本张量表示方法 |
文本语料数据分析 |
|
数据增强方法 |
命名实体识别 |
Word Embedding词嵌入 |
RNN及变体
|
传统RNN |
LSTM |
Bi-LSTM |
GRU |
Bi-GRU |
Seq2Seq |
迁移学习
|
FastText |
预训练模型 |
Google BERT |
GPT |
GPT-2 |
权重微调 |
阶段项目实战
- 文本分类
- 文本生成
4、NLP项目实战
05—CV计算机视觉技术
掌握计算机视觉基础算法原理，掌握目标检测、分类、跟踪等各类CV任务，可应对市场上CV工程师岗位，薪资可达20K以上。
OpenCV图像处理
|
读写图像 |
灰度变换 |
几何变换 |
形态学 |
|
纹理分割 |
视频操作 |
边缘检测技术 |
特征检测和描述 |
Tensorflow编程
|
常量 |
变量 |
高阶API |
tf.data |
tf.keras |
目标分类
|
卷积计算方法 |
多通道卷积 |
AlexNet |
|
VGG |
ResNet残差网络 |
ImageNet分类 |
目标检测
|
RCNN |
FPN |
SSD |
ROI Pooling |
FasterRCNN |
非极大抑制NMS |
目标分割
|
全卷积 |
ROI Align |
DeepLab |
|
MaskRCNN |
金字塔池化模块 |
语义分割评价标准 |
阶段项目实战
- 目标分类
- 目标检测
06—大厂面试专题
围绕大厂高频面试题，针对机器学习、深度学习、CV、NLP、数据结构与算法系列等专题去刷题
数据结构
|
栈 |
树 |
图 |
数组 |
链表 |
哈希表 |
常见算法
|
排序 |
查找 |
链表算法 |
|
动态规划 |
二叉树 |
递归算法 |
|
贪心算法 |
图算法 |
队列算法 |
机器学习&深度学习
|
分类算法面试专题 |
聚类算法面试专题 |
|
回归算法面试专题 |
深度学习基础面试专题 |
NLP & CV面试专题
|
深度学习与NLP面试专题 |
深度学习与CV面试专题 |
完整的人工智能学习教程获取方式：转发关注+私信【资料】
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://itzsg.com/127218.html
