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