课程内容详情 第一部分：人工智能基础 人工智能就业前景与薪资 人工智能适合人群与必备技能 人工智能在各领域的应用 人工智能常见流程 有监督机器学习任务与本质 第二部分：Python科学计算和可视化 科学计算模型Numpy 数据可视化模块 数据处理分析模块Pandas 第三部分：高等数学知识强化 算法与数据结构 第四部分：机器学习算法 线性回归：多元线性回归、梯度下降法、正则化、归一化、Lasso/Ridge/多项式回归 线性分类：逻辑回归、Softmax回归 决策树系列：决策树、集成学习、随机森林、GBDT、XGBoost 无监督学习：聚类系列算法、EM算法和GMM、PCA降维 概率图模型：贝叶斯分类、HMM算法、CRF算法 第五部分：深度学习 原理和进阶：神经网络算法、TensorFlow深度学习工具、反向传播推导 图像识别原理：卷积神经网络原理、卷积神经网络优化、经典卷积网络算法 图像识别项目实战：车牌识别、自然场景下的目标检测 目标检测YOLO系列：YOLOv1/v2/v3/v4详解及代码实战 语义分割原理和实战：上采样、双线性插值、转置卷积、医疗图像UNet、MaskRCNN 人脸识别项目实战 OCR文本识别 PyTorch项目实战：运行环境、Tensor张量运算、CIFAR10、词性标注、机器翻译 第六部分：NLP自然语言处理 原理和进阶：词向量与词嵌入、循环神经网络原理与优化、Attention到Transformer、ELMO/BERT/GPT 项目实战：药店销量预测、网页分类、情感分析、AI写唐诗、Seq2Seq聊天机器人、NER命名实体识别、BERT新闻分类、GPT2聊天机器人 第七部分：机器学习与大数据 海量数据挖掘工具：Spark计算框架基础与深入、Spark机器学习 Kaggle竞赛实战 推荐系统项目实战 第八部分：加课 Linux环境编程基础 Pytorch项目实战 百度飞桨PaddlePaddle实战 强化学习（Q-Learning、DQN、PolicyGradient、A3C、DDPG/PPO/DPPO） 算法与数据结构