Python人工智能方向

人工智能进阶课程，涉及深度学习的算法原理以及应用案例，添加基于深度学习的目标检测项目；能够完成基于百度云平台所开发的人工智能人脸识别等应用服务。

* 第一章深度学习基础/

* 深度学习介绍/

* 01_深度学习课程介绍

* 02_深度学习介绍

* 03_深度学习介绍2

* 神经网络基础/

* 01_逻辑回归介绍

* 02_逻辑回归损失函数

* 03_梯度下降算法过程以及公式

* 04_导数意义介绍

* 05_a^2函数的导数介绍

* 06_导数计算图与链式法则

* 07_逻辑回归的导数计算图分析以及参数导数

* 08_向量化编程介绍引入

* 09_向量化编程的优势

* 10_向量化实现逻辑回归的梯度计算更新

* 11_正向传播与反向传播、作业介绍

* 12_作业讲解题1：实现sigmoid函数与梯度实现

* 13_作业讲解题2：单神经元神经网络(logistic)分类作业流程介绍

* 14_作业讲解题2：参数初始化与前向传播、反向传播

* 15_作业讲解题2：优化迭代实现、model逻辑实现

* 16_总结

* 浅层神经网络/

* 01_浅层神经网络表示

* 02_浅层神经网络的前向传播

* 03_激活函数的选择

* 04_浅层神经网络的反向传播

* 05_作业介绍

* 06_作业实现：初始化模型与前向传播

* 07_作业实现：反向传播与更新梯度

* 08_作业实现：网络模型逻辑实现

* 09_总结

* 深层神经网络/

* 01_深层神经网络表示

* 02_深层神经网络的反向传播过程

* 03_参数初始化与超参数介绍

* 第二章深度学习优化进阶/

* 多分类/

* 01_深度学习紧接、多分类介绍

* 02_交叉熵损失原理

* 03_案例：Mnist手写数字数据介绍

* 04_案例：网络结构、流程、代码介绍

* 05_案例：主网络结构搭建实现

* 06_案例：添加准确率

* 07_案例：Tensorboard观察显示

* 08_案例：添加模型保存、预测

* 09_调整学习率带来的问题

* 梯度下降算法优化/

* 01_深度学习遇到问题、为什么需要优化算法

* 02_Mini梯度下降与Batch梯度下降

* 03_指数加权平均

* 04_动量梯度下降原理公式理解

* 05_RMSProp与Adam原理与学习率递减

* 06_标准化输入带来的优化

* 07_作业介绍

* 08_作业讲解1

* 09_作业讲解2

* 深度学习正则化/

* 01_深度学习偏差与方差介绍为、什么需要正则化

* 02_正则化概念、L2正则化与L1正则化

* 03_Droupout过程与原理理解

* 04_其它正则化方法-早停止法与数据增强

* 05_正则化作业介绍

* 06_作业讲解1

* 07_作业讲解2

* 神经网络调参与BN/

* 01_神经网络调参数技巧与如何设置参数、如何运行

* 02_批标准化定义、公式、为什么有效

* 第三章卷积神经网络/

* 卷积网络原理/

* 01_卷积来源、数据量与感受野的边缘检测

* 02_卷积网络结构介绍

* 03_默认卷积的运算过程

* 04_零填充

* 05_过滤器大小与步长

* 06_多通道的卷积与多卷积核

* 07_卷积总结

* 08_池化层

* 09_全连接层

* 经典分类结构/

* 01_LeNet5的计算过程详解

* 02_常见网络结构介绍

* 03_Inception(1x1卷积介绍)

* 04_Inception结构以及改进

* 05_GoogleNet了解与卷积网络学习内容

* CNN实战/

* 01_作业介绍

* 02_作业讲解

* 03_迁移学习

* 第四章循环神经网络/

* 循环神经网络/

* 01_循环神经网络背景介绍

* 02_循环神经网络结构原理

* 03_词的表示与矩阵形状运算

* 04_交叉熵损失计算

* 05_时间反向传播算法

* 06_梯度消失、案例介绍

* 07_手写RNN案例：单个cell前向传播

* 08_手写RNN案例：所有cell的前向传播

* 09_手写RNN案例：单个cell的反向传播

* 10_手写RNN案例：所有cell的反向传播

* 11_案例总结

* 12_GRU与LSTM介绍

* 词嵌入/

* 01_词嵌入介绍

* 02_词嵌入案例

* seq2seq与Attention机制/

* 01_seq2seq介绍与理解

* 02_seq2seq机器翻译等场景介绍分析

* 03_Attention原理分析

* 04_机器翻译案例：日期格式翻译转换、代码结构介绍

* 05_机器翻译案例：模型参数定义

* 06_机器翻译案例：数据获取以及数据格式转换介绍

* 07_机器翻译案例：训练逻辑与网络结构介绍

* 08_机器翻译案例：网络输入输出逻辑介绍

* 09_机器翻译案例：网络输入输出逻辑编写.mp4

* 10_机器翻译案例：自定义网络seq2seq的编解码器定义.mp4

* 11_机器翻译案例：seq2seq的输出层定义.mp4

* 12_机器翻译案例：attention结构定义.mp4

* 13_机器翻译案例：model中计算attention输出c逻辑函数实现.mp4

* 14_机器翻译案例：训练逻辑编写

* 15_机器翻译案例：训练结果与问题解决.mp4

* 16_机器翻译案例：测试逻辑结果演示.mp4

* 17_集束搜索介绍

* 18_BLEU自动评估方法原理介绍

* 第五章高级主题/

* 生成对抗网络/

* 01_高级主题介绍、GAN介绍

* 02_GAN原理、损失和DCGAN结构

* 03_生成数字图片案例：结果演示流程介绍

* 04_生成数字图片案例：模型初始化代码编写

* 05_生成数字图片案例：训练流程

* 06_生成数字图片案例：运行保存图片并对比

* 自动编码器/

* 01_自动编码器介绍

* 02_案例：编码器类别、普通自编码器流程、模型初始化逻辑

* 03_案例：训练普通自编码器

* 04_案例：深度自编码器编写演示

* 05_案例：卷积自编码器编写演示

* 06_案例：降噪编码器介绍

* 07_案例：降噪编码器案例

* CapsuleNet/

* 01_CapsuleNet了解

* 02_深度学习课程总结

* 第六章百度人脸识别/

* 平台介绍/

* 0_课程组成和目标

* 1_1_访问入口

* 1_2_机器学习平台_介绍

* 1_3_百度深度学习平台_介绍

* 1_4_百度深度学习平台_创建集群

* 1_5_百度人工智能平台_功能介绍

* 1_6_人工智能平台_服务开通

* 1_7_人工智能平台_访问方式和SDK安装

* 图像技术之人脸识别/

* 2_1_1_人脸识别功能介绍_开通应用

* 2_1_2人脸识别_API

* 2_1_3_人脸检测_步骤和代码浏览

* 2_1_4_人脸检测_获取access_token

* 2_1_5_人脸检测_调用API

* 2_1_6_人脸检测_图像坐标

* 2_1_7_人脸检测_边框

* 2_1_8_人脸检测_性别年龄总结

* 2_1_9_人脸检测_SDK方式

* 图像技术之图像识别/

* 2_2_1_图像识别功能_应用创建

* 2_2_2_图像识别_物体检测API_实例

* 2_2_3_图像检测识别_菜品识别

* 2_2_4_图像检测_车辆检测

* 2_2_5_定制化图像识别_图像分类_步骤

* 2_2_5_定制化图像识别_特点和功能

* 2_2_6_定制化图像识别_图像分类_操作

* 2_2_7_定制化图像识别_图像分类_关联和调用流程

* 2_2_8_定制化图像识别_图像分类_代码实现

* 2_2_9_定制化图像识别_图像分类_迭代和常见问题

* 2_2_10_定制化图像识别_物体检测_流程

* 2_2_11_定制化图像识别_物体检测API_错误码

* 图像技术之文字识别/

* 2_3_1_功能介绍_创建应用

* 2_3_2_通用文字识别_代码

* 2_3_3_通用文字识别_其他版本函数

* 2_3_4_车牌识别

* 2_3_5_通用票据识别

* 2_3_6_自定义模板_步骤

* 2_3_7_自定义模板_实际创建

* 2_3_8_自定义模板_API和代码

* 2_3_9_创建分类器

* 2_3_10_分类器代码

* 语音技术/

* 3_1_1_语音识别_介绍和API

* 3_1_2_语音识别案例_代码浏览

* 3_1_3_语音识别案例_案例

* 3_2_1语音合成

* 自然语言处理/

* 4_1_1_自然语言处理基础技术

* 人脸识别打卡案例/

* 5_1_0_人脸打卡案例_介绍

* 5_1_1_案例_前端部分介绍

* 5_1_2_案例_人脸搜索代码浏览

* 5_1_3_案例_获取token

* 5_1_4_案例_添加用户_人脸搜索

* 5_1_5_案例_主程序1

* 5_1_6_案例_主程序2

* 第七章自然语言处理/

* 自然语音处理基础概念/

* 0.NLP介紹

* 1.NLP的种类

* 2.端对端深度学习模型

* 3.词袋

* 4.Seq2Seq

* 5.Beam Serch Decoding

* 6.Attention

* 自然语言处理基础实作-机器学习篇/

* 1.机器学习-NLTK_数据读取

* 2.机器学习-NLTK_清理数据

* 3.机器学习-NLTK_大小写转换

* 4.机器学习-NLTK_去除虚词

* 5.机器学习-NLTK_词根化

* 6.机器学习-NLTK_还原字符串

* 7.机器学习-NLTK_稀疏矩阵

* 8.机器学习-NLTK_最大过滤

* 9.机器学习-NLTK_建立词袋模型

* 自然语言处理基础实作-深度学习篇/

* 10.深度学习-Deep Learning in NLP

* 11.深度学习-Deep Learning in NLP_模型优化

* 12.深度学习-Deep Learning in NLP_模型加速

* 自然语言处理核心部分/

* 1.CNN REIVEW

* 2.CNN CODE

* 3.RNN REVIEW

* 4.RNN CODE

* 5.LSTM

* 6.LSTM_CODE

* 7.文本分类

* 8.文本分类的方式

* 9.文本分类CNN&RNN

* 10. 文本分类 CNN 模型使用

* 11. 文本分类 RNN 搭建

* 实战项目-从无到有打造聊天机器人/

* 0.chatbot

* 01.chatbot 搭建计画

* 02.chatbot 环境搭建下载数据集

* 03.chatbot 下载数据集

* 04.chatbot 导入依赖包

* 05.ChatBot 读取数据

* 06.chatbot 创建对話字典

* 07. ChatBot 建立对话列表

* 08. ChatBot 问答集

* 09.ChatBot 数据初步清洗

* 10. ChatBot 清理问题集&回答集

* 11. ChatBot 统计字频

* 12. ChatBot 标记化&去除少数字

* 13. ChatBot 最终标记

* 14. ChatBot 逆向字典

* 15. ChatBot 添加 EOS 标签

* 16. ChatBot 问答数列化

* 17. ChatBot 长短句

* 18. ChatBot input&output

* 19. ChatBot 处理输出

* 20. ChatBot 建立RNN 模型

* 21. ChatBot 解码器训练

* 22. ChatBot 解码器测试

* 23. ChatBot 创建解码RNN

* 24. ChatBot Seq2Seq 模型

* 25. ChatBot 設置超参数

* 26.ChatBot 启动运算

* 27. ChatBot 模型 input

* 28. ChatBot 模型輸入序列長度

* 29. ChatBot 設置輸入的数据形状

* 30. ChatBot训练 & 测试結果

* 31. ChatBot 损失，优化，梯度消減

* 32. ChatBot 问答等长处理

* 33. ChatBot 问答数据批量

* 34. ChatBot 数据分割

* 35. ChatBot 训练

* 36. ChatBot 训练2

* 37. ChatBot 测试

* 38. ChatBot 输入修飾

* 39. ChatBot 开始聊天

* 第八章图片商品物体检测项目第一阶段-检测算法原理/

* 目标检测概述/

* 01_课程要求以及目标

* 02_项目演示结果

* 03_项目结构以及课程安排

* 04_图像识别背景

* 05_目标检测的定义和技术历史

* 06_目标检测应用场景

* 07_目标检测算法原理铺垫

* 08_目标检测任务描述

* RCNN原理/

* 01_Overfeat模型

* 02_RCNN：步骤流程介绍

* 03_RCNN：候选区域以及特征提取

* 04_RCNN：SVM分类器

* 05_RCNN：非极大抑制（NMS）

* 06_RCNN：候选区域修正

* 07_RCNN：训练过程与测试过程介绍

* 08_RCNN：总结、优缺点与问题自测

* SPPNet原理/

* 01_SPPNet：与RCNN的区别、网络流程

* 02_SPPNet：映射

* 03_SPPNet：SPP层的作用

* 04_SPPNet：总结、优缺点与问题自测

* FastRCNN原理/

* 01_FastRCNN：改进之处以及网络流程

* 02_FastRCNN：RoI pooling结构以及SPP对比

* 03_FastRCNN：多任务损失

* 04_FastRCNN：总结与问题自测

* FasterRCNN原理/

* 01_FasterRCNN：网络结构与步骤

* 02_FasterRCNN：RPN网络的原理

* 03_FasterRCNN：总结与问题自测

* YOLO原理/

* 01_YOLO：算法特点与流程介绍

* 02_YOLO：单元格原理过程

* 03_YOLO：训练过程样本标记

* 04_YOLO：总结

* SSD原理/

* 01_SSD：网络结构与Detected结构

* 02_SSD：localization与confidence

* 03_SSD：训练与测试流程总结

* 04_TensorflowSSD接口介绍

* 05_第一阶段算法总结

* 第九章图片商品物体检测项目第二阶段-数据集制作与处理/

* 数据集标记/

* 01_目标检测数据集介绍

* 02_商品数据集标记

* 数据集格式转换/

* 01_数据集格式转换介绍

* 02_格式转换：代码介绍

* 03_格式转换：文件读取以及存储逻辑

* 04_格式转换：图片数据以及XML读取

* 05_格式转换：example封装、总结

* TFRecords读取/

* 01_slim库介绍

* 02_TFRecord读取：Dataset准备

* 03_TFRecord读取：provider读取

* 04_第二阶段总结

* 第十章图片商品物体检测项目第三阶段-项目实现与部署/

* 项目架构/

* 01_项目架构设计

* 02_训练与测试整体结构设计

* 数据接口实现/

* 01_数据接口：商品格式转换实现

* 02_数据接口：读取数据接口设计以及基类如何定义

* 03_数据接口：商品数据读取子类实现

* 04_数据接口：数据读取工厂逻辑实现

* 05_数据接口：代码运行与数据模块总结

* 模型接口实现/

* 01_模型接口：接口设置以及模型工厂代码

* 预处理接口实现/

* 01_预处理接口：预处理需求介绍、数据增强介绍

* 02_预处理接口：预处理工厂代码

* 03_预处理接口：预处理工厂代码参数错误调整

* 04_数据接口、模型接口、预处理接口参数总结

* 训练过程实现/

* 01_训练：训练步骤与设备部署介绍

* 02_训练：model_deploy介绍

* 03_训练：训练运行结果显示与初始配置确定

* 04_训练：1设备配置代码以及全局步数定义

* 05_训练：2图片数据读取与处理逻辑介绍

* 06_训练：2数据模块与网络模型获取结果

* 07_训练：2网络参数修改、provider获取数据、预处理

* 08_训练：2NHWC和NCHW介绍

* 09_训练：2对anchors进行正负样本标记

* 10_训练：2批处理获取以及数据形状变换

* 11_训练：2队列设置

* 12_训练：3复制模型、添加参数观察与4添加学习率和优化器

* 13_训练：5总损失计算与变量平均梯度计算6训练配置

* 14_训练：训练流程总结

* 测试过程实现/

* 01_测试：测试流程介绍、代码

* 02_测试：图片输入、结果标记代码

* 模型部署介绍/

* 01_web服务与模型部署流程关系介绍

* 02_本地TensorFlow Serving演示以及逻辑介绍

* 导出模型/

* 01_模型导出：模型输入输出定义

* 02_模型导出：Savedmodel导出模型

* 开启模型服务/

* 01_开启模型服务

* TFServing客户端/

* 01_Tensorflow serving client逻辑

* 02_Client：用户输入图片处理

* 03_Client：grpc与serving apis介绍

* 04_Client：客户端建立连接获取结果代码

* 05_Client：结果解析

* 06_Client：结果标记返回

* 服务器部署/

* 01_服务器部署：服务器部署的代码文件需求、服务开启

* 02_项目总结