《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（31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、机器学习课程大纲第一课： Python 基础与科学计算库numpy1.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. Matplotlib 绘制第一个折线图
2、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.基于随机森林的特征重要性选择第六课： Kaggle 机器学习案例
3、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
4、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2、人机对话课程大纲第一章： Human robot-chattersystem运行环境1.pycharm 下载及安装2.pycharm 的库使用介绍3.pycharm 使用实例演示4
5、.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.mongo
6、db 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.filter 级别设置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
7、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： Python 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
8、.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.Mnist 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
