|
第一章 人工智能概述
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
?
人工智能概述
|
1.?????AI的社會認知
2.?????人工智能技術(shù)的發(fā)展史
3.?????人工智能技術(shù)的應(yīng)用方向與應(yīng)用場景
4.?????人工智能的發(fā)展戰(zhàn)略
5.?????人工智能現(xiàn)有的問題
6.?????人工智能的未來
|
無
|
|
第2章? 人工智能數(shù)學(xué)基礎(chǔ)
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
2.1線性代數(shù)
|
1.?????矩陣
2.?????線性變換
3.?????特殊矩陣
4.?????矩陣分解
|
代碼實現(xiàn)矩陣，線性變換等效果
|
|
?
?
?
?
2.2概率論
|
1.?????隨機變量
2.???? ??概率分布
3.???? ??邊緣概率
4.???? ??條件概率
5.???? ??獨立性和條件獨立性
6.???? ??期望、方差和協(xié)方差
7.???? ??常用概率分布
8.???? ??貝葉斯規(guī)則
9.???? ??連續(xù)型變量
10.?信息論
11.?結(jié)構(gòu)化概率模型
|
概率圖形化界面分析
|
|
?
2.3數(shù)值計算
|
1.???? ??上溢和下溢
2.???? ??病態(tài)條件
3.???? ??基于梯度的優(yōu)化方法
4.???? ??約束優(yōu)化
|
最小二乘法實現(xiàn)
|
|
第3章? 機器學(xué)習(xí)
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
?
?
3.1機器學(xué)習(xí)概述
|
1.???? ??機器學(xué)習(xí)發(fā)展史
2.???? ??機器學(xué)習(xí)的應(yīng)用場景介紹
3.???? ??機器學(xué)習(xí)現(xiàn)有的問題
4.???? ??機器學(xué)習(xí)的未來前景
5.???? ??機器學(xué)習(xí)的分類
6.???? ??機器學(xué)習(xí)的整體流程
|
無
|
|
?
3.2機器學(xué)習(xí)—k近鄰算法
|
1.???? ??KNN算法綜述
2.???? ??數(shù)據(jù)預(yù)處理
3.???? ??Sklearn庫的使用
4.???? ??評估方案
|
1.???電影分類
2.???約會網(wǎng)站匹配
3.???信用卡欺詐檢測
|
|
?
3.3決策樹構(gòu)造
|
1.???? ??決策樹原理概述
2.???? ??熵、互信息
3.???? ??ID3、C4.5、Gini算法
4.???? ??預(yù)剪枝、后剪枝
5.???? ??決策樹構(gòu)造實例
|
葡萄酒數(shù)據(jù)集的決策樹
|
|
?
3.4支持向量機
|
1.???? ??SVM原理
2.???? ??算法推導(dǎo)
3.???? ??拉格朗日對偶函數(shù)
4.???? ??SVM中的核函數(shù)
5.???? ??SVM中的重要參數(shù)
|
1.???SVM實現(xiàn)二分類
2.???SVM進行人臉識別
|
|
?
?
3.5貝葉斯算法
|
1.???? ??貝葉斯算法概述
2.???? ??貝葉斯算法推導(dǎo)實例
3.???? ??條件概率
4.???? ??高斯貝葉斯
5.???? ??多項式貝葉斯
6.???? ??伯努利貝葉斯
7.???? ??EM算法原理
8.???? ??EM算法推導(dǎo)
|
1.???拼寫糾錯
2.???垃圾郵件過濾實例
3.???新聞分類實例
|
|
?
?
?
3.6線性回歸算法
|
1.???? ??算法推導(dǎo)與案例
2.???? ??線性回歸算法概述
3.???? ??誤差項分析
4.???? ??梯度下降原理
5.???? ??標準方程組
6.???? ??似然函數(shù)求解
7.???? ??目標函數(shù)推導(dǎo)
8.???? ??線性回歸求解
9.???? ??嶺回歸和正則化
10.?彈性網(wǎng)回歸
|
1.???一元線性回歸實現(xiàn)
2.???多元線性回歸實現(xiàn)
3.???嶺回顧實現(xiàn)
|
|
3.7邏輯回歸算法
|
1.???? ??邏輯回歸算法原理推導(dǎo)
2.???? ??邏輯回歸求解
3.???? ??邏輯回歸多分類解決方案
|
邏輯回歸代碼實現(xiàn)
|
|
?
3.8Kmeans聚類算法及DBSCAN聚類算法
|
1.???? ??Kmeans算法與工作流程
2.???? ??Kmeans迭代迭代可視化展示
3.???? ??DBSCAN算法與工作流程
4.???? ??DBSCAN可視化展示
5.???? ??多種聚類算法概述
|
聚類實例
|
|
?
?
3.9降維算法
|
1.???? ??線性判別分析
2.???? ??線性判別求解
3.???? ??PCA主成分分析
4.???? ??PCA降維概述
5.???? ??PCA優(yōu)化的目標
6.???? ??PCA求解
|
量化投資策略
|
|
?
3.10隨機森林與集成算法
|
1.???? ??集成算法-隨機森林
2.???? ??特征重要性衡量
3.???? ??提升模型
4.???? ??堆疊模型
|
集成算法代碼實戰(zhàn)與隨機森林代碼實戰(zhàn)
|
|
?
?
?
3.11機器學(xué)習(xí)高難度算法XGBOOST
|
1.???? ??XGBOOST算法概述
2.???? ??XGBOOST模型構(gòu)造
3.???? ??建模衡量標準
4.???? ??XGBOOST安裝
5.???? ??參數(shù)定義與基礎(chǔ)模型定義
6.???? ??樹結(jié)構(gòu)對結(jié)果的影響
7.???? ??學(xué)習(xí)率與采樣對結(jié)果影響
|
京東購買意向預(yù)測
|
|
?
3.12推薦系統(tǒng)
|
1.???? ??推薦系統(tǒng)簡介
2.???? ??關(guān)聯(lián)規(guī)則
3.???? ??相似度計算
4.???? ??基于用戶的協(xié)同過濾
5.???? ??基于物品的系統(tǒng)過濾
|
1.???信息流個性化推薦
2.???廣告精準投放
|
|
第4章? 深度學(xué)習(xí)
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
?
4.1深度學(xué)習(xí)概述與基礎(chǔ)
|
1.???? ??深度學(xué)習(xí)概述
2.???? ??得分函數(shù)
3.???? ??損失函數(shù)
4.???? ??正則化懲罰
5.???? ??SOFTMAX分類器
6.???? ??最優(yōu)化解釋
7.???? ??反向傳播
|
無
|
|
?
4.2神經(jīng)網(wǎng)絡(luò)
|
1.???? ??感知機模型
2.???? ??神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.???? ??簡單的神經(jīng)網(wǎng)絡(luò)實現(xiàn)
4.???? ??簡單單層神經(jīng)網(wǎng)絡(luò)實現(xiàn)
|
手寫數(shù)字圖片與預(yù)測手寫數(shù)字圖片
|
|
?
?
?
?
4.3卷積神經(jīng)網(wǎng)絡(luò)
|
1.???? ??卷積神經(jīng)網(wǎng)絡(luò)介紹
2.???? ??單卷積核與多卷積核
3.???? ??圖像不變性
4.???? ??局部感知與參數(shù)共享
5.???? ??卷積網(wǎng)絡(luò)結(jié)構(gòu)
6.???? ??卷積層，池化層與全連接層
7.???? ??ImageNet
8.???? ??AlexNet
9.???? ??VGGNet
10.?GoogleNet
11.?ResNet
12.?SENet
|
1.???識別手寫數(shù)字圖片
2.???鮮花識別
|
|
?
?
4.4卷積神經(jīng)網(wǎng)絡(luò)細節(jié)
|
1.???? ??數(shù)據(jù)增強策略
2.???? ??遷移學(xué)習(xí)
3.???? ??網(wǎng)絡(luò)設(shè)計技巧
4.???? ??經(jīng)典網(wǎng)絡(luò)架構(gòu)
5.???? ??分類與回歸任務(wù)
6.???? ??三代物體檢測
|
車牌識別
|
|
?
4.5Tensorboard可視化展示
|
1.???? ??可視化展示
2.???? ??展示效果
3.???? ??統(tǒng)計可視化
4.???? ??參數(shù)對結(jié)果的影響
|
無
|
|
?
?
4.6 tfrecord制作數(shù)據(jù)源
|
1.???? ??生成自己的數(shù)據(jù)集
2.???? ??讀取數(shù)據(jù)
3.???? ??生成數(shù)據(jù)源
4.???? ??加載數(shù)據(jù)進行分類任務(wù)
|
無
|
|
?
4.7驗證識別任務(wù)
|
1.???? ???驗證碼數(shù)據(jù)生成
2.???? ???構(gòu)造網(wǎng)絡(luò)輸入數(shù)據(jù)和標簽
3.???? ???卷積網(wǎng)絡(luò)模型定義
4.???? ???迭代測試網(wǎng)絡(luò)效果
|
驗證碼實現(xiàn)
|
|
?
4.8RESNET殘差網(wǎng)絡(luò)
|
1.???? ???RESNET網(wǎng)絡(luò)原理
2.???? ???網(wǎng)絡(luò)流程設(shè)計
3.???? ???實現(xiàn)細節(jié)
|
RESNE實現(xiàn)
|
|
?
4.9循環(huán)神經(jīng)網(wǎng)絡(luò)與文本損失函數(shù)
|
1.???? ???循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.???? ???循環(huán)單元
3.???? ???輸出模式
4.???? ???循環(huán)神經(jīng)網(wǎng)絡(luò)的反向傳播
|
預(yù)測時間序列
|
|
4.10網(wǎng)絡(luò)優(yōu)化與神經(jīng)網(wǎng)絡(luò)模型
|
1.???? ??網(wǎng)絡(luò)參數(shù)優(yōu)化
2.???? ??網(wǎng)絡(luò)模型優(yōu)化
3.???? ??圖片識別器
|
圖片生成器實現(xiàn)
|
|
?
?
4.11對抗神經(jīng)網(wǎng)絡(luò)
|
1.?????對抗神經(jīng)網(wǎng)絡(luò)原理概述
2.?????GAM網(wǎng)絡(luò)結(jié)構(gòu)定義
3.?????迭代生成
4.?????DCGAN網(wǎng)絡(luò)特性
5.?????DCGAN訓(xùn)練
|
使用對抗網(wǎng)絡(luò)生成圖片
|
|
第5章 TensorFlow框架
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
?
5.1 TensorFlow概述
|
1.???? ??Tensor的簡介
2.???? ??特點
3.???? ??應(yīng)用場景
4.???? ??如何選擇正確的TensoFlow版本
5.???? ??系統(tǒng)環(huán)境變量的設(shè)置
|
無
|
|
?
?
5.2基礎(chǔ)操作
|
1.?????數(shù)據(jù)類型
2.?????創(chuàng)建tensor
3.?????索引和切片
4.?????維度變換
5.?????Broadingcasting
6.???? ??數(shù)學(xué)運算
|
神經(jīng)網(wǎng)絡(luò)層的實現(xiàn)
|
|
?
5.3高階操作
|
1.???? ??合并和分割
2.???? ??數(shù)據(jù)統(tǒng)計
3.???? ??張量排序
4.???? ??填充和復(fù)制
5.???? ??張量限幅
|
房價預(yù)測
|
|
?
?
5.4Keras
|
1.?????Keras優(yōu)勢
2.?????安裝
3.?????符號計算
4.?????張量
5.?????數(shù)據(jù)格式
6.?????模型
7.?????高層接口使用
|
使用Keras搭建一個神經(jīng)網(wǎng)絡(luò)
|
|
?
?
5.5TensorFlow實驗
|
1.?????數(shù)據(jù)集的獲取
2.?????數(shù)據(jù)預(yù)處理
3.?????特征工程
4.?????模型的創(chuàng)建
5.?????模型保存
6.?????模型使用
|
1.???手寫字體圖像識別
2.???汽車油耗里程數(shù)回歸預(yù)測
3.???貓狗識別
|
|
第6章? 計算機視覺
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
6.1計算機視覺概覽及GUI特性
|
1.?????概念與應(yīng)用
2.?????計算機視覺與人工智能
3.?????圖像的讀取、顯示、保存
4.?????視頻的讀取、顯示、保存
5.?????圖像的繪制函數(shù)
|
創(chuàng)建畫板、繪制各種圖形
|
|
?
?
6.2基本操作
|
1.?????獲取圖像像素值及修改
2.?????圖像信息獲取
3.?????圖像的ROI
4.?????圖像通道的拆分及合并
5.?????圖像上的算術(shù)運算
6.?????程序性能檢測及優(yōu)化
|
將一幅圖平滑的轉(zhuǎn)換成另一幅圖
|
|
?
?
6.3OpenCV中的圖像處理
|
1.?????顏色空間轉(zhuǎn)換
2.?????幾何變換
3.?????圖像閾值設(shè)定
4.?????圖像平滑
5.?????形態(tài)學(xué)轉(zhuǎn)換
6.?????圖像梯度
|
實現(xiàn)一張圖像的縮放、平移、旋轉(zhuǎn)
|
|
?
?
6.4邊緣檢測
|
1.?????噪聲去除
2.?????圖像金字塔
3.?????輪廓處理
4.?????直方圖
5.?????模糊匹配
6.?????圖像分割
|
1.???實現(xiàn)圖像的上點繪制不同的顏色
2.???匹配帶有字符或者數(shù)字的圖片
|
|
?
?
6.5特性特征值提取與描述
|
1.?????圖像特征理解
2.?????Harris角點檢測
3.?????SIFIS算法
4.?????SURF
5.?????FAST算法
6.?????ORB算法
7.?????特征匹配
|
將圖像中檢測的目標圖像進行標記
|
|
?
6.6視頻分析
|
1.?????通過Meanshift、Camshift算法對視頻進行目標跟蹤
2.?????光流應(yīng)用
3.?????背景減除
|
對視頻中的目標進行跟蹤
|
|
?
?
6.7攝像機標定和3D重構(gòu)
|
1.?????攝像機標定概述
2.?????畸形校正
3.?????反向投影誤差
4.?????姿勢估計
5.?????對積幾何
6.?????力圖圖像中的深度地圖
|
1.???實現(xiàn)在圖像中創(chuàng)建3D效果
2.???實現(xiàn)立體圖像制作深度地圖
|
|
?
6.8計算攝影學(xué)
|
1.?????圖像去燥
2.?????圖像修補
3.?????對象檢測
|
實現(xiàn)面部檢測
|
|
第7章? 語音處理
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
7.1語音處理概述
|
1.?????語音處理
2.?????特征處理方法
3.?????語音識別
4.?????語音合成
5.???? ??語音信號
|
語音預(yù)處理的實現(xiàn)
|
|
?
7.2傳統(tǒng)語音模型
|
1.?????高斯混合模型
2.?????隱馬爾科夫模型
3.???? ??高斯混合模型-隱馬爾科夫模型
|
無
|
|
?
7.3深度模型和混合模型
|
1.?????深度神經(jīng)網(wǎng)絡(luò)
2.?????深度神經(jīng)網(wǎng)絡(luò)-隱馬爾科夫模型
3.?????CD-DNN-HMM
|
語音識別實現(xiàn)
|
|
7.4高級語音模型
?
|
1.???? ??循環(huán)神經(jīng)網(wǎng)絡(luò)
2.???? ??長短期記憶網(wǎng)絡(luò)
|
無
|
|
第8章? 自然語言處理
|
|
章節(jié)
|
教學(xué)重點
|
案例
|
|
?
?
?
8.1自然語言處理介紹
?
|
1.?????語言模型
2.?????N - gram語言模型
3.?????文本向量化
4.?????word2vec - CBOW
5.?????word2vec - Skip-gram
6.?????doc2vec - DM
7.???? ??doc2vec - DBOW
|
1.智能搜索引擎實現(xiàn)
2.對話機器人
?
|
|
?
8.2常用算法
|
1.?????HMM
2.?????條件隨機場
3.?????LSTM
4.???? ??GRU
|
LSTM實現(xiàn)情感分析
|
|
?
?
?
8.3關(guān)鍵技術(shù)
|
1.?????分詞
2.?????詞性標注
3.?????命名實體識別
4.?????關(guān)鍵詞提取
5.?????句法分析
6.?????語義分析
7.?????文本分類
8.?????文本聚類
9.?????機器翻譯
10.?問答系統(tǒng)
11.?信息過濾
12.?自動文摘
13.?信息抽取
14.?輿情分析
15.?機器寫作
|
機器人寫詩
|
|
?
8.4機器翻譯框架-NMT
|
1.?????機器翻譯框架概述
2.?????Attention機制
3.?????數(shù)據(jù)準備
4.?????參數(shù)設(shè)置
5.?????數(shù)據(jù)加載
6.?????網(wǎng)絡(luò)結(jié)構(gòu)定義
7.???? ??模型訓(xùn)練
|
NMT實現(xiàn)翻譯功能
|
|
8.5強化學(xué)習(xí)
?
|
1.???? ??強化學(xué)習(xí)基本概念
2.???? ??馬爾科夫決策過程
3.???? ??BELLMAN方程
4.???? ??值迭代求解
5.???? ??Qlearning基本原理
6.???? ??DQN網(wǎng)絡(luò)原理
|
讓AI自己玩游戲
|
