课程大纲

├──1–人工智能基础-快速入门

| ├──1–人工智能就业、薪资、各行业应用

| └──2–机器学习和深度学习、有监督和无监督

├──10–机器学习与大数据-Kaggle竞赛实战

| ├──1–药店销量预测案例

| └──2–网页分类案例

├──11–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计算框架深入

| └──3–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–流程与架构

| ├──2–推荐系统–数据预处理和模型构建评估实战

| └──3–推荐系统–模型使用和推荐服务

├──13–深度学习-原理和进阶

| ├──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–现代目标检测之FasterRCNN

├──15–深度学习-图像识别项目实战

| ├──1–车牌识别

| ├──2–自然场景下的目标检测及源码分析

| └──3–图像风格迁移

├──16–深度学习-目标检测YOLO(V1-V4全版本)实战

| ├──1–YOLOv1详解

| ├──2–YOLOv2详解

| ├──3–YOLOv3详解

| ├──4–YOLOv3代码实战

| └──5–YOLOv4详解

├──17–深度学习-语义分割原理和实战

| ├──1–上采样_双线性插值_转置卷积

| ├──2–医疗图像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自然语言处理原理和进阶

| ├──1–词向量与词嵌入

| ├──2–循环神经网络原理与优化

| ├──3–从Attention机制到Transformer

| └──4–ELMO_BERT_GPT

├──2–人工智能基础-Python基础

| ├──1–Python开发环境搭建

| └──2–Python基础语法

├──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

| ├──4–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PaddlePaddle实战【新增】

| ├──1–PaddlePaddle框架安装_波士顿房价预测

| ├──2–PaddlePaddle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–PaddleNLP模块_物流信息提取（BiGRU+CRF）

| └──6–PaddleNLP模块_物流信息提取（ERNIE版）

├──26–【加课】Linux 环境编程基础

| └──1–Linux

├──27–【加课】算法与数据结构

| └──1–算法与数据结构

├──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–数据处理分析模块Pandas

├──31–【加课】 强化学习【新增】

| ├──1–Q-Learning与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-高等数学知识强化

| ├──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–线性代数高级

| ├──6–概率论

| └──7–最优化

├──5–机器学习-线性回归

| ├──1–多元线性回归

| ├──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

| ├──3–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

study.uuu188.cn vip免费下