21世紀(jì)，屬于人工智能的時(shí)代已經(jīng)到來。諸多應(yīng)用領(lǐng)域都有著人工智能的身影，如：搜索引擎、無人駕駛、百度大腦、訊飛語(yǔ)音以及蘋果的Siri。本課程帶你從零基礎(chǔ)入門，本課程從理論到項(xiàng)目實(shí)戰(zhàn)，層層深入學(xué)習(xí)，步步進(jìn)階。課程主要從高等數(shù)學(xué)必知必會(huì)、Python高級(jí)應(yīng)用、Python項(xiàng)目、機(jī)器學(xué)習(xí)算法、機(jī)器學(xué)習(xí)項(xiàng)目、深度學(xué)習(xí)、推薦算法及數(shù)據(jù)挖掘、綜合項(xiàng)目實(shí)戰(zhàn)以及職業(yè)素養(yǎng)等全方位講解，更加注重于實(shí)際操作以及開發(fā)經(jīng)驗(yàn)的講解，對(duì)學(xué)生的日常工作或未來發(fā)展將起到十分重要的指導(dǎo)作用。完美學(xué)習(xí)計(jì)劃，成就精英人工智能工程師！未來五年，我國(guó)人工智能市場(chǎng)空間廣闊，發(fā)展速度遠(yuǎn)超全球。 2020年我國(guó)AI市場(chǎng)規(guī)模將達(dá)到91億元，年復(fù)合增速約19.7%；同期，中國(guó)人工智能增速1億元，年復(fù)合增速約為50%。
人工智能招聘領(lǐng)域，2000人以上大公司平均薪酬25.2k，相比之下，15-20人的公司只有16.2k， 人工智能工程師職位薪資逐年上升為12%，漲勢(shì)迅猛。且就業(yè)薪資均超1W！未來還在持續(xù)上漲趨勢(shì)。
  階段一、人工智能之訓(xùn)練成果報(bào)告可視化技術(shù)課程一、數(shù)據(jù)可視化基礎(chǔ)
1）可視化技術(shù)骨骼技術(shù)之HTML技術(shù)：HTML結(jié)構(gòu)、HTML表單、HTML文檔
2）可視化技術(shù)皮膚之CSS技術(shù)：CSS樣式、樣式引入技術(shù)
3）可視化技術(shù)驅(qū)動(dòng)之Javascript與Jquery:Javascript事件、Javascript Dom和BOM操作、網(wǎng)頁(yè)特效課程二、圖表可視化技術(shù)
1）百度圖表可視化框架
2）百度圖表可視化十大經(jīng)典案例課程三、Python核心編程
1）Python介紹、Anaconda+Pycharm安裝、Python語(yǔ)法格式簡(jiǎn)介、編碼規(guī)范簡(jiǎn)介、常用關(guān)鍵字介紹
2）變量與賦值、運(yùn)算符和基本運(yùn)算、位運(yùn)算、字符串處理
3）列表元祖、字典、數(shù)組、切片、列表推導(dǎo)式、淺拷貝和深拷貝
4）條件判斷語(yǔ)句、循環(huán)控制語(yǔ)句
5）函數(shù)的定義、函數(shù)閉包、裝飾器、lambda表達(dá)式、遞歸函數(shù)及尾遞歸優(yōu)化、常用內(nèi)置函數(shù)/高階函數(shù)
6）項(xiàng)目案例：約瑟夫環(huán)問題
7）類和實(shí)例、訪問限制、繼承和多態(tài)及多重繼承、獲取對(duì)象信息、實(shí)例屬性和類屬性、模塊和包、類中的模式方法、異常和錯(cuò)誤處理、debug調(diào)試課程四、Python高級(jí)編程+數(shù)據(jù)可視化
1）時(shí)間庫(kù)，主要講解time、datetime，為之后時(shí)間序列分析做準(zhǔn)備。
2）python鏈接數(shù)據(jù)庫(kù)，使用pymysql、pyhive操作數(shù)據(jù)倉(cāng)庫(kù)，存儲(chǔ)數(shù)據(jù)源采集結(jié)果，以及存儲(chǔ)訓(xùn)練成果。
3）文件、目錄操作，通過os，file等模塊實(shí)現(xiàn)文件、目錄操作，方便數(shù)據(jù)文件提取。
4）機(jī)器學(xué)習(xí)模塊庫(kù)，掌握數(shù)值計(jì)算庫(kù)Numpy、數(shù)據(jù)分析庫(kù)Pandas，為之后機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)奠定基礎(chǔ)。
5）數(shù)據(jù)可視化繪圖庫(kù)，使用matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化
階段二、人工智能之?dāng)?shù)據(jù)源采集及訓(xùn)練成果存儲(chǔ)技術(shù)課程五、非分布式存儲(chǔ)技術(shù)
1）利用關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)數(shù)據(jù)源以及訓(xùn)練成果數(shù)據(jù)，掌握關(guān)系型數(shù)據(jù)庫(kù)原理和數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫(kù)環(huán)境搭建、數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建、數(shù)據(jù)工作表創(chuàng)建、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)類型設(shè)定、數(shù)據(jù)倉(cāng)庫(kù)CRUD課程六、分布式存儲(chǔ)技術(shù)
1）利用分布式數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)大數(shù)據(jù)源以及訓(xùn)練成果數(shù)據(jù)，掌握分布式環(huán)境搭建、分布式數(shù)據(jù)倉(cāng)庫(kù)Hive存儲(chǔ)結(jié)構(gòu)與原理、分布式數(shù)據(jù)倉(cāng)庫(kù)Hive實(shí)戰(zhàn)應(yīng)用課程七、Tableau人工智能訓(xùn)練成果展示
1）訓(xùn)練成果可視化展示利器，掌握了解數(shù)據(jù)可視化意義、Tableau十大經(jīng)典可視化圖形展示、Tableau訓(xùn)練成果可視化案例課程八、數(shù)據(jù)采集技術(shù)
1）數(shù)據(jù)采集技術(shù)原理，熟練掌握網(wǎng)絡(luò)爬蟲含義、爬蟲原理以及反爬蟲機(jī)制
2）數(shù)據(jù)采集應(yīng)用，使用json、requests，lxml，beatuifulSoup模塊實(shí)現(xiàn)數(shù)據(jù)的采集與解析
3）數(shù)據(jù)采集實(shí)戰(zhàn)，實(shí)現(xiàn)百度圖片下載、博客園博文數(shù)據(jù)采集、Python100例數(shù)據(jù)采集、QQ音樂數(shù)據(jù)采集及音樂文件下載
階段三、人工智能之機(jī)器學(xué)習(xí)課程九、數(shù)學(xué)基礎(chǔ)
1）數(shù)據(jù)分析：熟練掌握常數(shù)e、導(dǎo)數(shù)、梯度、Taylor、gini系數(shù)、信息熵與組合數(shù)、梯度下降、牛頓法等知識(shí)點(diǎn)；
2）概率論：微積分與逼近論、極限、微分、積分基本概念、利用逼近的思想理解微分，利用積分的方式理解概率、概率論基礎(chǔ)、古典模型、常見概率分布、大數(shù)定理和中心極限定理、協(xié)方差(矩陣)和相關(guān)系數(shù)、最大似然估計(jì)和最大后驗(yàn)估計(jì)等知識(shí)點(diǎn)；
3）線性代數(shù)及矩陣：線性空間及線性變換、矩陣的基本概念、狀態(tài)轉(zhuǎn)移矩陣、特征向量、矩陣的相關(guān)乘法、矩陣的QR分解、對(duì)稱矩陣、正交矩陣、正定矩陣、矩陣的SVD分解、矩陣的求導(dǎo)、矩陣映射/投影等知識(shí)點(diǎn)；
4）凸顯示：凸優(yōu)化基本概念、凸集、凸函數(shù)、凸優(yōu)化問題標(biāo)準(zhǔn)形式、凸優(yōu)化之Lagerange對(duì)偶處、凸優(yōu)化之牛頓法、梯度下降法求解課程十、機(jī)器學(xué)習(xí)
1）機(jī)器學(xué)習(xí)概述
2）數(shù)據(jù)清洗和特征選擇：實(shí)現(xiàn)特征抽取、特征轉(zhuǎn)換、特征選擇、降維、NLP特征工程
3）回歸算法：Linear Regression算法、Lasso Regression算法、Ridge Regression/Classifier算法、Elastic Net算法、Logistic算法、K-鄰近算法(KNN)
4）決策樹、隨機(jī)森林和提升算法：決策樹算法: ID3、C4.5、CART、決策樹優(yōu)化、Bagging和Boosting算法、隨機(jī)森林、Adaboost算法、GBDT算法、Xgboost、LightGBM
5）SVM：線性可分支持向量機(jī)、核函數(shù)理解、SMO算法、SVM回歸SVR和分類SVC
6）聚類算法：各種相似度度量介紹及相關(guān)關(guān)系、K-means算法、K-means算法優(yōu)缺點(diǎn)及變種算法、密度聚類、層、聚類、譜聚類
7）EM算法：最大似然估計(jì)、EM算法原理講解、多元高斯分布的EM實(shí)現(xiàn)、主題模型pLSA及EM算法
8）貝葉斯算法：樸素貝葉斯、條件概率表達(dá)形式、貝葉斯網(wǎng)絡(luò)的表達(dá)形式
9）隱馬爾科夫模型：概率計(jì)算問題、前向/后向算法、HMM的參數(shù)學(xué)習(xí)、高斯混合模型HMM
10）LDA主題模型：LDA主題模型概述、共軛先驗(yàn)分布、Dirichlet分布、Laplace平滑、Gibbs采樣詳解、LDA與word2Vec效果比較。課程十一、Pyspark
1）Hadoop基礎(chǔ)
2）Spark基礎(chǔ)
3）Spark Mlib機(jī)器學(xué)習(xí)
階段四、人工智能之智能推薦技術(shù)課程十二、Python開發(fā)高手推薦系統(tǒng)
1）推薦算法概述
2）推薦算法理論介紹(協(xié)同過濾、基于內(nèi)存的推薦、基于知識(shí)的推薦等)
3） 數(shù)據(jù)挖掘相關(guān)算法(關(guān)聯(lián)規(guī)則、Aprior算法)
4） 項(xiàng)目案例：音樂推薦、隱因子模型推薦
階段五、人工智能之深度學(xué)習(xí)課程十三、深度學(xué)習(xí)
1）Tensorflow基本應(yīng)用：掌握Tensorflow環(huán)境配置、Tensorflow基本概念、Tensorflow函數(shù)式編程、Tensorflw執(zhí)行流程、Tensorflw之上的工具庫(kù)：Keras，以及基于Tensorflow實(shí)現(xiàn)回歸算法實(shí)現(xiàn)。
2）深度學(xué)習(xí)概述
3）感知器神經(jīng)網(wǎng)絡(luò)
4）BP神經(jīng)網(wǎng)絡(luò)
5）RBF徑向基神經(jīng)網(wǎng)絡(luò)
6）CNN卷積神經(jīng)網(wǎng)絡(luò)
7）RNN循環(huán)神經(jīng)網(wǎng)絡(luò)
8）生成對(duì)抗網(wǎng)絡(luò)（GAN，WGAN，EBGAN，DCGAN等）
階段六、人工智能之圖像處理技術(shù)課程十四、圖像處理篇
1）圖像基礎(chǔ)：圖像讀，寫，保存，畫圖（線，圓，多邊形，添加文字）
2）圖像操作及算數(shù)運(yùn)算：圖像像素讀取，算數(shù)運(yùn)算，ROI區(qū)域提取
3）圖像顏色空間運(yùn)算:圖像顏色空間相互轉(zhuǎn)化
4）圖像幾何變換:平移，旋轉(zhuǎn)，仿射變換，透視變換等
5）圖像形態(tài)學(xué):腐蝕，膨脹，開/閉運(yùn)算等
6）圖像輪廓:長(zhǎng)寬，面積，周長(zhǎng)，外接圓，方向，平均顏色，層次輪廓等
7）圖像統(tǒng)計(jì)學(xué):圖像直方圖
8）圖像濾波:高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等
階段七、人工智能之自然語(yǔ)言處理技術(shù)課程
1）詞（分詞，詞性標(biāo)注）代碼實(shí)戰(zhàn)
2）詞（深度學(xué)習(xí)之詞向量，字向量）代碼實(shí)戰(zhàn)
3）詞（深度學(xué)習(xí)之實(shí)體識(shí)別和關(guān)系抽?。┐a實(shí)戰(zhàn)
4）詞（關(guān)鍵詞提取，無用詞過濾）代碼實(shí)戰(zhàn)
5）句（句法分析，語(yǔ)義分析）代碼實(shí)戰(zhàn)
6）句（自然語(yǔ)言理解,一階邏輯）代碼實(shí)戰(zhàn)
7）句（深度學(xué)習(xí)之文本相似度）代碼實(shí)戰(zhàn)
階段八、人工智能之企業(yè)項(xiàng)目實(shí)戰(zhàn)
實(shí)戰(zhàn)型項(xiàng)目一、基于FaceNet、云平臺(tái)的人臉識(shí)別及人臉檢索系統(tǒng)
使用深度學(xué)習(xí)框架從零開始完成人臉檢測(cè)的核心技術(shù)圖像類別識(shí)別的操作，從數(shù)據(jù)預(yù)處理開始一步步構(gòu)建網(wǎng)絡(luò)模型并展開分析與評(píng)估，方便大家快速動(dòng)手進(jìn)行項(xiàng)目實(shí)踐！識(shí)別上千種人臉，返回層次化結(jié)構(gòu)的每個(gè)人的標(biāo)簽。
實(shí)戰(zhàn)型項(xiàng)目二、三、四、五、六......
階段九、人工智能篇之企業(yè)項(xiàng)目實(shí)戰(zhàn)......
階段十、架構(gòu)實(shí)戰(zhàn)篇......