【慕ke】AI人工智能算法工程师「包更新」

第1周 快速搞清楚人工智能/

1-人工智能发展前景与就业方向/

第1章 课程全面解析/

第2章 人工智能到底是什么？/

第3章 人工智能发展背后的历史/

第4章 解锁人工智能各大行业典型应用&就业方向/

附件/

第2周 AI编程基石：Python入门与进阶/

1-Python起步：入门与环境搭建/

第1章 周课程整体介绍和安排/

第2章 Anacond软件：安装、管理python相关包/

第3章 Jupyter Notbook&Pycharm：Py开发工具/

第4章 环境配置的优化方案/

附件/

2-Python基础与程序流程控制/

第1章 基础语法与输入出/

第2章 顺序结构语句/

第3章 选择结构语句/

第4章 循环结构语句/

附件/

3-Python列表、元组、字典和集合/

第1章 Python序列与应用/

附件/

4-Python函数、模块，文件与文件夹操作/

第1章 Python函数/

第2章 python模块/

第3章 Python文件与文件操作/

附件/

5-Python面向对象编程/

第1章 面向对象的概念/

第2章 面向对象的特征/

第3章 综合案例/

附件/

第3周 AI编程基石：Python高级编程/

1-Python的文件、表格、绘图、视频处理/

第1章 周课程整体介绍与安排/

第2章 文本文件操作/

第3章 pandas 表格数据处理/

第4章 Matplotlib 常用画图处理/

第5章 OpenCV 影像数据处理/

第6章 pickle文件处理：数据序列化处理/

附件/

2-PyQt构建用户界面应用程序/

第1章 PyQt安装与构建用户界面/

第2章 优化PyQt构建用户界面应用程序/

附件/

第4周 人工智能底层基石-三大必备AI 数学基础/

1-线性代数：人工智能数据基础/

第1章 周课程整体介绍与安排/

第2章 线性代数/

附件/

2-微积分： 数学背后的AI力量/

第1章 概念回顾：导数、微分、积分/

第2章 链式求导/

第3章 反向传播算法/

附件/

3-概率论： 数据科学与AI的关键/

第1章 概率论核心概念与案例/

附件/

第5周 机器学习 – 解锁人工智能的核心/

1-机器学习理论&常见任务/

第1章 周介绍和课程安排/

第2章 机器学习基础/

第3章 机器学习特征/

第4章 机器学习常见任务/

附件/

2-评估目标与优化目标/

第1章 机器学习评估指标/

第2章 机器学习优化目标/

附件/

3-机器学习模型实践/

第1章 逻辑回归模型原理与实战/

附件/

第6周 神经网络 – 处理和学习复杂的数据/

1-单层神经网络原理与实践/

第1章 周课程整体介绍与安排/

第2章 生物神经网络原理/

第3章 感知器与梯度反向传播/

附件/

2-多层神经网络原理与实践/

第1章 多层感知器与反向传播算法/

第2章 多层神经网络案例实践/

@it资源网ukoou.com

附件/

3-序列神经网络/

第1章 序列预测问题与RNN模型/

第2章 长短时记忆网络与门控循环单元/

附件/

第7周 卷积神经网络（CNN）-处理具有网格结构数据的任务/

1-卷积神经网络基础/

第1章 周课程整体介绍与安排/

第2章 卷积神经网络基础/

第3章 卷积与全连接的比较/

附件/

2-典型卷积神经网络模型/

第1章 卷积与池化反向传播/

第2章 典型卷积神经网络模型/

附件/

第8周 深度学习优化-使用深层神经网络来解决复杂的任务/

1-参数初始化+激活函数/

第1章 周课程整体介绍与安排/

第2章 深度学习优化：标准化/

第3章 深度学习优化：泛化与正则化/

附件/

2-标准化方法+正则化/

第1章 标准化方法/

第2章 正则化/

附件/

3-学习率与最优化方法/

第1章 学习率与最优化方法/

附件/

第9周 数据获取、整理与应用 – 构建数据之源，驱动智能决策/

1-数据获取与整理：构建可靠数据/

第1章 周课程整体介绍与安排/

第2章 数据获取：图像和视频数据爬取/

第3章 数据整理：对数据进行整理、清洗和去噪/

第4章 数据标注：工具与使用/

附件/

2-数据增强方法与实践/

第1章 数据增强/

第2章 数据增强库imgaug实践/

附件/

第10周 PyTorch数据处理与网络模型构建/

1-PyTorch入门与应用/

第1章 周课程整体介绍与安排/

第2章 安装PyTorch/

第3章 Tensor的操作/

附件/

2-数据集加载与应用/

第1章 Dataset与Dataloader/

第2章 数据增强与转换/

附件/

3-网络模型搭建实战/

第1章 网络模型搭建实战/

附件/

第11周 深入PyTorch模型的训练与可视化/

1-PyThorch训练基础与数据可视化/

第1章 模型训练与可视化/

2-PyThorch训练进阶与性能优化/

第1章 PyTorch 训练进阶/

第2章 模型性能提升方法/

附件/

3-PyThorch软件封装/

第1章 PyThorch软件封装/

附件/

第12周 CNN图像处理模型/

[认准一手完整 www.ukoou.com]

1-简单链式模型理论与实战/

第1章 简单链式模型理论与实战/

附件/

2-多分支模型理论与实战/

第1章 多分支模型理论与实战/

附件/

3-残差模型理论与实战/

第1章 残差模型理论与实战/

附件/

第13周 移动端AI高效率分组模型/

1-mobilenet模型理论与实战/

第1章 卷积拆分分组与Xception/

第2章 MobileNet 模型/

第3章 从零搭建MobileNet模型/

附件/

2-shufflenet模型理论与实战/

第1章 ShuffleNet模型/

第2章 从零搭建ShuffleNet模型/

附件/

第14周 卷积注意力模型/

1-特征通道注意力/

第1章 注意力模型基础/

第2章 特征注意力模型/

第3章 从零搭建SENet/

附件/

2-空间注意力/

第1章 空间注意力/

附件/

3-混合注意力模型/

第1章 混合注意力模型/

附件/

第15周 Transformer模型/

1-Transformer 原理与实现/

第1章 自注意力机制/

第2章 Transformer模型/

第3章 从零搭建Transformer/

附件/

第16周 Vision Transformer 模型/

1-Vision Transformer模型/

第1章 基础 ViT模型/

第2章 从零搭建Vision Transformer/

附件/

2-轻量级VisionTransformer/

第1章 轻量级ViT模型/

第2章 从零搭建Mobile ViT模型/

附件/

第17周 [视觉领域]图像分类技术与项目实战/

1-图像分类基础与实践：安防监控人脸表情识别/

第1章 图像分类基础与模型/

第2章 人脸表情识别实战/

附件/

2-多标签分类与实战：生活用品多标签分类/

第1章 多标签图像分类模型/

第2章 实战：生活用品多标签分类/

第18周 [工业领域]目标检测技术与项目实战/

1-目标检测基础与YOLO系列模型原理/

第1章 目标检测基础/

第2章 YOLO系列模型原理/

附件/

2-实践：YOLO v5车牌检测实战/

第1章 YOLO v5车牌检测实战/

附件/

第19周 [医疗与直播领域]图像分割技术与项目实战/

1-图像分割基础与模型/

第1章 图像分割基础/

第2章 经典语义分割模型/

第3章 语义分割的关键技术改进/

附件/

2-实践：基于UNet的人脸语义分割/

第1章 基于UNet的人脸语义分割实战/

附件/

资料代码/

电子书/