课程链接
-
生成式 AI 简介
imp.i384100.net/LXYmq3 -
Python 语言
imp.i384100.net/5gmXXo -
统计和 R
youtu.be/ANMuuq502rE… -
数据科学：机器学习
youtu.be/GwIo3gDZCVQ… -
PowerBI
openclassrooms.com/en/courses/… -
机器学习和人工智能
cloud.google.com/learn/train… -
神经网络和深度学习
imp.i384100.net/DKrLn2 -
适合所有人的生成式 AI
deeplearning.ai/courses/gen… -
具有大型语言模型的生成式 AI
imp.i384100.net/rQxgLG -
适合所有人的人工智能
imp.i384100.net/q4NDEN -
哈佛人工智能简介
pll.harvard.edu/course/cs50… -
ChatGPT 的提示工程
imp.i384100.net/DKgoOG -
CS50 的 Python 人工智能简介
pll.harvard.edu/course/cs50… -
LangChain LLMs：
www.deeplearning.ai/short-cours… -
数据科学：机器学习
pll.harvard.edu/course/data… -
深度学习专业化
imp.i384100.net/R5aPOR -
IBM AI 工程专业证书
imp.i384100.net/6eqWPb -
Python用于数据科学、人工智能和开发
imp.i384100.net/5gmXXo -
IBM 应用 AI 专业证书
imp.i384100.net/WqKX4Z -
人工智能 （AI） 简介
mygreatlearning.com/academy/lea…
附: AI工程师路线图
AI工程师路线图
- AI 简介：介绍人工智能的基础知识，包括什么是人工智能以及它的影响。
- 数学：学习与人工智能相关的数学基础，如线性代数、微积分、统计学和概率论。
- 编程：掌握编程语言，如 Python、R、Java，这些语言在人工智能领域非常重要。
- 未来趋势：了解人工智能的未来发展趋势。
- 应用：人工智能在不同领域的应用，如机器学习、数据科学和大数据。
- 大数据技术：学习处理大数据的技术，如 Hadoop 和 Spark。
- 数据获取与准备：了解数据获取和数据准备的方法，通常指的是数据采集、数据清洗、数据转换和数据整合等一系列过程，这些步骤是数据分析和机器学习项目中非常关键的部分
- 数据操纵：掌握数据操纵的技能，包括使用数据库技术如 Cassandra 和 MongoDB。
- 强化学习：学习强化学习，这是一种让机器通过与环境交互来学习的方法。
- AI 工程师：成为一名 AI 工程师所需的技能和知识。
- 深度学习：深入学习深度学习技术，包括神经网络、卷积神经网络 (CNN)、循环神经网络 (RNN)、生成对抗网络 (GAN) 和长短时记忆网络 (LSTM)。
- 商业智能：学习如何使用商业智能工具，如 Tableau、Quickview 和 PowerBI，来分析和可视化数据。
