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 |
|---|
