《人工智能课程体系及项目实战》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（33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numpy第一课： Python 基础与科学计算库1. Python 语言基础2. Python 数据结构（列表 ,字典 ,元组）3. 科学计算库 Numpy 基础4. Numpy 数组操作5. Numpy 矩阵基本操作6. Numpy 矩阵初始化与创建7. Numpy 排序与索引第二课：数据分析处理库与数据可视化库1. Pandas 数据读取与现实2. Pandas 样本数值计算与排序3. Pandas 数据预处理与透视表4. Pandas 自定义函数5. Pandas 核心数据结构 Series 详解6. Pandas 数据索引7. Matpl
2、otlib 绘制第一个折线图8. Matplotlib 条形图,直方图,四分图绘制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2. 有监督与无监督问题3. 线性回归算法原理推导4. 实现简易回归算法5. 逻辑回归算法原题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2. 样本不平衡问题解决思路3. 下采样解决方案4. 正则化参数选择5. 逻辑回归建模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2. 决策树构造原理推导3.ID3,C4.5 算法4. 决策树剪枝策略5. 随机森林算法原理6. 基
3、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2. 使用 pandas 库进行数据读取与缺失值预处理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2. 线性 SVM 原理推导3.SVM 对偶问题与核变换4. soft 支持向量机问题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2. 激活函数3. 神经网络结构4. 深入神经网络细节5. 神
4、经网络表现效果第九课： mnist 手写字体识别1. Tensorflow 框架2. CNN 网络结构3. 基于 tensorflow 的网络框架4. 构造 CNN 网络结构5. 迭代优化训练 第十课：聚类与集成算法1. k-means,DBSCAN 等经典聚类算法原理2. python 实现 k-means 算法3. 聚类算法应用场景与特征工程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2. 信用卡欺诈检测案例3. 鸢尾花数据集分析4. 泰坦尼克号船员获救预测5. 员工离职预测6. mnist 手写字体识别运行环境2、人机对话课程大纲第一章：Human -
5、obot-chattersystem1. pycharm 下载及安装2. pycharm 的库使用介绍3. pycharm 使用实例演示4. Anaconda 下载安装5. Anaconda 库使用6. Anaconda 使用实例演示第二章： robot 基本概念1. robot 是什么2. robot 的应用场景3. robot 语言依赖性4. robot 工作流程5. robot 运行环境6. robot 框架介绍7. robot 的安装（ api 与源码）8. robot 的 quickstart 第三章： robot 智能机器人1. 创建机器人2. 设置机器人适配器3. 输入与输出适配
6、器4. 逻辑适配器5. 机器人响应应答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2. mongodb 数据3. git 数据4. terminnal5. more 数据第五章：设置 robot 训练级别1. 训练 list data2. 训练 corpus data3. 训练 scope data4. 训练外部 API5. 创建一个新的语料级别6. 抽取自己机器人的语料第六章： robot 之过滤器1. filter 是什么2. filter 的主要用途是什么3. filter 的创建4. filter 的设置5.
7、 filter 级别设置6. filter 判别适配器详解第七章：自然语言处理之 robot1. 逻辑适配器2. 输入适配器3. 输出适配器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2. 扩展机器人参数3. robot 日志输出4. robot 惯用日志输出第九章： session 识别详解1. session 构建2. session 实战案例操作3. 文摘自动生成人机对话项目实战1. 项目介绍背景2. 项目核心技术点介绍3. 智能机器人人机对话系统4. 代码实现5. 人机对话优化（补充优化）6. 开源机器人有哪些3、深度学习课程大纲第一阶段：P
8、ython 必备库快速入门1. Python 语言基础快速入门2. 科学计算库 Numpy3. 数据分析处理库 Pandas4. 可视化库 Matplotlib5. 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2. 逻辑回归3. 决策树4. 随机森林5. 支持向量机6. Xgboost7. 聚类8. 神经网络9. PCA 与 SVD10. 词向量模型 word2vec11. 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2. 泰坦尼克号船员获救预测3. 信用卡欺诈检测4. 鸢尾花数据集分类5. Mnis
9、t 手写字体识别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。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2. 神经网络必备基础3. 神经网络架构4. 卷积神经网络详解5. 神经网络技巧与细节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。第五阶段：深度学习必备框架1. Tensorflow 基础操作2. Tensorflow 建立机器学习模型3. Tensorflow 神经网络详解4. 基于 Tensorflow
10、的 CNN 与 RNN 模型5. Caffe 框架配置参数详解6. Caffe 两种常用数据源制作7. Caffe 技巧与应用深度学习项目实战1. 验证码识别（基于 Tensorflow ）2. 文本分类（基于 Tensorflow ）3. 图像风格转换（基于 Tensorflow ）4. 词向量模型 Word2vec （基于 Tensorflow ）5. 强化学习让 AI 自己玩游戏（基于 Tensorflow ）6. 人脸检测（基于 Caffe ）7. 人脸关键点定位（基于 Caffe ）4、图像处理课程大纲第一课：认识 OpenCVOpenCV 介绍、环境搭建、图像加载、显示、保存。读取
11、视频文件与摄像头视 频流读取与保存。第二课：神奇的数据结构 Mat讲解 OpenCV3.x 中最重要的数据结构 Mat ，如何使用 Mat 、各种基于 Mat 的操 作技巧，指针方式访问与遍历像素、实例详解 Mat 的妙用第三课：像素算术与几何操作讲解如何计算图像最大最小值、均值与标准方差、加、减、乘、除算术操作，以 及与或非的逻辑运算、 重点演示这些简单操作， 在实际图像处理中的使用技巧与 应用场景第四课：滤波函数 -改变图像的神奇手段讲解 OpenCV3.x 中最常用的基于卷积原理的滤波函数、 包括均值、中值、高斯、 盒子模糊、自定义滤波器等技术与使用技巧第五课：边缘提取讲解 OpenCV
12、 中梯度与边缘提取的方法与函数调用、以及使用技巧，如何正确 的使用这些方法获得正确处理结果，如何避免人为输入参数行为 第六课：高斯金子塔与拉普拉斯讲述什么是图像金字塔、 什么图像的高斯不同、 拉普拉斯不同， 图像金字塔融合 技术第七课：直方图与反向投影详细讲述图像直方图的定义、 应用场合与场景、 直方图反向投影技术在图像处理 与视频处理用的应用第八课：图像二值化 讲述图像二值化的各种方法与技巧、如何对超大图像进行准确二值化 第九课：图像形态学操作讲述二值图像的各种形态学操作与使用技巧第十课：霍夫变换与 Blob 分析直线检测 ,圆检测 特定几何形状分析第十一课：二值图像分析 -对象提取与测量基
13、于轮廓分析、几何矩分析讲解二值图像中对象分析与对象测量技术第十二课： HAAR 与 LBP 特征与人脸检测讲述基于统计特征的 HAAR 与 LBP 方式与 AdaBoost 一起工作实现人脸检测的 原理、 OpenCV 相关 API 参数解释、以及其他开源的与商用的人脸检测 SDK 的 使用。在图像与视频中实现人脸检测图像处理项目实战1. AR 技术应用直播视频中经常会出现的技术、基于 OpenCV 实现对视频中人脸实时跟踪，实 现一些虚拟旁白与装饰图片与场景融合。2. 二维码检测与定位二维码的图像扫码解析已经成为很多 APP 的标准配置与使用方式，但是检测与 定位二维码位置一直是技术难点，
14、本案例通过直播课程所学知识， 带领大家一步 一步剖析知识点、整理思路、实现代码、实现图像中二维码位置检测与定位3. 车牌提取与预处理详细分析如何利用所学知识， 综合分析解决车牌识别中最难技术问题之一， 车牌 定位与提取、以及前期预处理5、网络爬虫课程大纲1、零基础入门 Python 网络爬虫1. 认识 Python 网络爬虫2. 网络爬虫工作原理详解3. 网络爬虫的常见类型与应用领域4. 数据提取技术基础：正则表达式基础实例实战5. 编写一个简单网络爬虫爬取 51CTO 学院课程数据2、Urllib 模块基础与糗事百科爬虫项目实战1. 使用 Urllib 模块进行简单网页爬取2. 百度信息自动
15、搜索爬虫实战3. 自动 POST 请求实战4. Cookie 处理实战5. 浏览器伪装技术实战6. 数据自动写入数据库实战7. 糗事百科网络爬虫项目实战3、淘宝商品图片爬虫开发实战1. 淘宝商品图片爬虫实现思路分析2. 淘宝商品图片信息的分析与提取3. 编写淘宝商品图片爬虫对目标图片进行批量爬取4. 淘宝商品图片爬虫项目的调试与运行4、用户代理池与 IP 代理池构建技术实战1. 为什么要构建用户代理池与 IP 代理池（避免被反爬）2.IP 代理池构建的第一种方案实战（随机 IP 代理池）3.IP 代理池构建的第二种方案实战（接口调用可用 IP ）4. 如何验证IP是否为可用IP （代理IP的自动过滤
