百战程序员-AI算法工程师就业班快速入门

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