《人工智能》
第一阶段_python基础与科学计算模块
1_Python基础语法
2_科学计算模型Numpy
3_数据处理分析模块Pandas
4_数据可视化模块
第二阶段_AI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_线性代数高级
6_概率论
7_最优化
第三阶段_线性回归算法
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
第四阶段_线性分类算法
1_逻辑回归
2_Softmax回归
第五阶段_无监督学习算法
1_聚类系列算法
第六阶段_决策树系列算法
1_决策树算法
2_随机森林算法
3_Adaboost算法
4_GBDT算法
5_XGBoost算法
第七阶段_Kaggle实战
1_药店销量预测案例
2_网页分类案例
第八阶段_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
第九阶段_概率图模型算法
1_贝叶斯分类
2_HMM算法
3_最大熵模型
4_CRF算法
第十阶段_深度学习原理到进阶实战
1_神经网络算法
2_TensorFlow深度学习工具
第十一阶段_图像识别原理到进阶实战
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_OpenCV模块
5_古典目标检测算法
6_现代目标检测算法
第十二阶段_自然语言处理原理到进阶实战
1_词向量与词嵌入
2_循环神经网络原理与优化
第十三阶段_图像识别项目
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
4_人脸识别
第十四阶段_自然语言处理项目
1_自然语言处理--情感分析
2_自然语言处理--机器创作唐诗
3_自然语言处理--聊天机器人
4_自然语言处理--词向量
第十五阶段_数据挖掘项目
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