《人工智能课程体系及项目实战-修订编选》由会员分享，可在线阅读，更多相关《人工智能课程体系及项目实战-修订编选（29页珍藏版）》请在金锄头文库上搜索。
1、人工智能课程体系及项目实战 1、机器学习课程大纲1、机器学习课程大纲 第一课：Python 基础与科学计算库 numpy 1.Python 语言基础1.Python 语言基础 2.Python 数据结构（列表,字典,元组）2.Python 数据结构（列表,字典,元组） 3.科学计算库 Numpy 基础3.科学计算库 Numpy 基础 4.Numpy 数组操作4.Numpy 数组操作 5.Numpy 矩阵基本操作5.Numpy 矩阵基本操作 6.Numpy 矩阵初始化与创建6.Numpy 矩阵初始化与创建 7.Numpy 排序与索引7.Numpy 排序与索引 第二课：数据分析处理库与数据可视化库
2、 1.Pandas 数据读取与现实1.Pandas 数据读取与现实 2.Pandas 样本数值计算与排序2.Pandas 样本数值计算与排序 3.Pandas 数据预处理与透视表3.Pandas 数据预处理与透视表 4.Pandas 自定义函数4.Pandas 自定义函数 5.Pandas 核心数据结构 Series 详解5.Pandas 核心数据结构 Series 详解 6.Pandas 数据索引6.Pandas 数据索引 7. Matplotlib 绘制第一个折线图7. Matplotlib 绘制第一个折线图 8. Matplotlib 条形图,直方图,四分图绘制8. Matplotlib
3、 条形图,直方图,四分图绘制 9. Matplotlib 数据可视化分析9. Matplotlib 数据可视化分析 第三课：回归算法 1.机器学习要解决的任务1.机器学习要解决的任务 2.有监督与无监督问题2.有监督与无监督问题 3.线性回归算法原理推导3.线性回归算法原理推导 4.实现简易回归算法4.实现简易回归算法 5.逻辑回归算法原题5.逻辑回归算法原题 6.实战梯度下降算法6.实战梯度下降算法 第四课：案例实战信用卡欺诈检测 1.数据与算法简介1.数据与算法简介 2.样本不平衡问题解决思路2.样本不平衡问题解决思路 3.下采样解决方案3.下采样解决方案 4.正则化参数选择4.正则化参数
4、选择 5.逻辑回归建模5.逻辑回归建模 6.过采样与 SMOTE 算法6.过采样与 SMOTE 算法 第五课：决策树与随机森林 1.熵原理，信息增益1.熵原理，信息增益 2.决策树构造原理推导2.决策树构造原理推导 3.ID3,C4.5 算法3.ID3,C4.5 算法 4.决策树剪枝策略4.决策树剪枝策略 5.随机森林算法原理5.随机森林算法原理 6.基于随机森林的特征重要性选择6.基于随机森林的特征重要性选择 第六课：Kaggle 机器学习案例实战 1.泰坦尼克船员获救预测1.泰坦尼克船员获救预测 2.使用 pandas 库进行数据读取与缺失值预处理2.使用 pandas 库进行数据读取与缺
5、失值预处理 3.使用 scikit-learn 库对比回归模型与随机森林模型3.使用 scikit-learn 库对比回归模型与随机森林模型 4.GBDT 构造原理4.GBDT 构造原理 5.特征的选择与重要性衡量指标5.特征的选择与重要性衡量指标 6.机器学习中的级联模型6.机器学习中的级联模型 7.使用级联模型再战泰坦尼克7.使用级联模型再战泰坦尼克 第七课：支持向量机算法 1.SVM 要解决的问题1.SVM 要解决的问题 2.线性 SVM 原理推导2.线性 SVM 原理推导 3.SVM 对偶问题与核变换3.SVM 对偶问题与核变换 4.soft 支持向量机问题4.soft 支持向量机问题
6、 5.多类别分类问题解决方案5.多类别分类问题解决方案 第八课：神经网络模型 1.前向传播与反向传播结构1.前向传播与反向传播结构 2.激活函数2.激活函数 3.神经网络结构3.神经网络结构 4.深入神经网络细节4.深入神经网络细节 5.神经网络表现效果5.神经网络表现效果 第九课：mnist 手写字体识别 1.Tensorflow 框架1.Tensorflow 框架 2.CNN 网络结构2.CNN 网络结构 3.基于 tensorflow 的网络框架3.基于 tensorflow 的网络框架 4.构造 CNN 网络结构4.构造 CNN 网络结构 5.迭代优化训练5.迭代优化训练 第十课：聚类
7、与集成算法 1.k-means,DBSCAN 等经典聚类算法原理1.k-means,DBSCAN 等经典聚类算法原理 2.python 实现 k-means 算法2.python 实现 k-means 算法 3.聚类算法应用场景与特征工程3.聚类算法应用场景与特征工程 4.Adaboost 集成算法原理4.Adaboost 集成算法原理 机器学习项目实战 1.科比职业生涯数据分析1.科比职业生涯数据分析 2.信用卡欺诈检测案例2.信用卡欺诈检测案例 3.鸢尾花数据集分析3.鸢尾花数据集分析 4.泰坦尼克号船员获救预测4.泰坦尼克号船员获救预测 5.员工离职预测5.员工离职预测 6.mnist
8、手写字体识别6.mnist 手写字体识别 2、人机对话课程大纲2、人机对话课程大纲 第一章：Humanrobot-chattersystem 运行环境 1.pycharm 下载及安装1.pycharm 下载及安装 2.pycharm 的库使用介绍2.pycharm 的库使用介绍 3.pycharm 使用实例演示3.pycharm 使用实例演示 4.Anaconda 下载安装4.Anaconda 下载安装 5.Anaconda 库使用5.Anaconda 库使用 6.Anaconda 使用实例演示6.Anaconda 使用实例演示 第二章：robot 基本概念 1.robot 是什么1.robo
9、t 是什么 2.robot 的应用场景2.robot 的应用场景 3.robot 语言依赖性3.robot 语言依赖性 4.robot 工作流程4.robot 工作流程 5.robot 运行环境5.robot 运行环境 6.robot 框架介绍6.robot 框架介绍 7. robot 的安装（api 与源码）7. robot 的安装（api 与源码） 8. robot 的 quickstart8. robot 的 quickstart 第三章：robot 智能机器人 1.创建机器人1.创建机器人 2.设置机器人适配器2.设置机器人适配器 3.输入与输出适配器3.输入与输出适配器 4.逻辑适配
10、器4.逻辑适配器 5.机器人响应应答5.机器人响应应答 6.训练自己的语料6.训练自己的语料 第四章：robot 之 eample 数据源详述(单词与文本) 1.simple demo 数据1.simple demo 数据 2.mongodb 数据2.mongodb 数据 3.git 数据3.git 数据 4.terminnal4.terminnal 5.more 数据5.more 数据 第五章：设置 robot 训练级别 1.训练 list data1.训练 list data 2.训练 corpus data2.训练 corpus data 3.训练 scope data 3.训练 sco
11、pe data 4.训练外部 API4.训练外部 API 5.创建一个新的语料级别5.创建一个新的语料级别 6.抽取自己机器人的语料6.抽取自己机器人的语料 第六章：robot 之过滤器 1.filter 是什么1.filter 是什么 2.filter 的主要用途是什么2.filter 的主要用途是什么 3.filter 的创建3.filter 的创建 4.filter 的设置4.filter 的设置 5.filter 级别设置5.filter 级别设置 6.filter 判别6.filter 判别 第七章：自然语言处理之 robot 适配器详解 1.逻辑适配器1.逻辑适配器 2.输入适配器
12、2.输入适配器 3.输出适配器3.输出适配器 4.数据计算适配器4.数据计算适配器 第八章 自然语言处理之 robot 参数 1.什么 robot 参数1.什么 robot 参数 2.扩展机器人参数2.扩展机器人参数 3.robot 日志输出3.robot 日志输出 4.robot 惯用日志输出4.robot 惯用日志输出 第九章：session 识别详解 1.session 构建1.session 构建 2.session 实战案例操作2.session 实战案例操作 3.文摘自动生成3.文摘自动生成 人机对话项目实战 1.项目介绍背景1.项目介绍背景 2.项目核心技术点介绍2.项目核心技术
13、点介绍 3.智能机器人人机对话系统3.智能机器人人机对话系统 4.代码实现4.代码实现 5.人机对话优化（补充优化）5.人机对话优化（补充优化） 6.开源机器人有哪些6.开源机器人有哪些 3、深度学习课程大纲3、深度学习课程大纲 第一阶段：Python 必备库快速入门 1.Python 语言基础快速入门1.Python 语言基础快速入门 2.科学计算库 Numpy2.科学计算库 Numpy 3.数据分析处理库 Pandas3.数据分析处理库 Pandas 4.可视化库 Matplotlib4.可视化库 Matplotlib 5.人工智能必备 Python 基础，快速掌握语言风格与常用库使用方法
14、5.人工智能必备 Python 基础，快速掌握语言风格与常用库使用方法 第二阶段：机器学习经典算法 1.线性回归1.线性回归 2.逻辑回归2.逻辑回归 3.决策树3.决策树 4.随机森林4.随机森林 5.支持向量机5.支持向量机 6.Xgboost6.Xgboost 7.聚类7.聚类 8.神经网络8.神经网络 9.PCA 与 SVD9.PCA 与 SVD 10.词向量模型 word2vec10.词向量模型 word2vec 11.机器学习必备经典算法原理推导11.机器学习必备经典算法原理推导 第三阶段：机器学习案例实战 1.科比职业生涯数据1.科比职业生涯数据 2.泰坦尼克号船员获救预测2.泰
15、坦尼克号船员获救预测 3.信用卡欺诈检测3.信用卡欺诈检测 4.鸢尾花数据集分类4.鸢尾花数据集分类 5.Mnist 手写字体识别5.Mnist 手写字体识别 6.员工离职与股价预测6.员工离职与股价预测 7.基于真实数据集，使用 scikit-learn 库进行建模与评估工作，从零开 始，代码实战。 7.基于真实数据集，使用 scikit-learn 库进行建模与评估工作，从零开 始，代码实战。 第四阶段：决胜 AI 深度学习必备原理 1.深度学习发展与应用1.深度学习发展与应用 2.神经网络必备基础2.神经网络必备基础 3.神经网络架构3.神经网络架构 4.卷积神经网络详解4.卷积神经网络
16、详解 5.神经网络技巧与细节5.神经网络技巧与细节 6.强化学习原理与实践6.强化学习原理与实践 7.从神经网络基础知识点入手，分模块讲解神经网络细节，由浅入深 过渡到深层的卷积神经网络，技巧与细节分析。 7.从神经网络基础知识点入手，分模块讲解神经网络细节，由浅入深 过渡到深层的卷积神经网络，技巧与细节分析。 第五阶段：深度学习必备框架 1.Tensorflow 基础操作1.Tensorflow 基础操作 2.Tensorflow 建立机器学习模型2.Tensorflow 建立机器学习模型 3.Tensorflow 神经网络详解3.Tensorflow 神经网络详解 4.基于 Tensorflow 的 CNN 与 RNN 模型4.基于 Tensorflow 的 CNN 与 RNN 模型 5.Caffe 框架配置参数详解5.Caffe 框架配置参数详解 6.Caffe 两种常用数据源制作6.Caffe 两种常用数据源制作 7.Caffe 技巧与应用7.Caffe 技巧与应用 深度学习项目实战深度学习项目实战 1.验证码识别（基于 Tensorflow）1
