人工智能第一课:学习人工智能的那些事儿
39分钟让初学者知道学习人工智能的那些事儿: 1. 了解人工智能能干什么 2. 了解人工智能能广泛的就业领域 3. 知道人工智能主流就业岗位 4. 掌握人工智能每个阶段知识体系搭建和能力培养 5. 知道AI初学者认知误区、常踩的“坑” 6. 知道已毕业同学AI入行、高薪经验
人工智能开发
学习路线图
返回顶部
QQ扫码一键下载
QQ扫码一键下载
初级教程零基础小白入门必看
中级教程满足就业工作需求
高级教程职场进阶升职利器
15小时掌握深度学习与CV,带您熟悉深度学习实现方式,带您掌握深度学习在计算机视觉中的应用 1. 了解深度学习的发展历史 2. 了解计算机视觉的发展历史 3. 掌握深度学习与机器学习的差别 4. 掌握深度学习框架tensorflow的使用方法 5. 掌握神经网络的构成 6. 掌握激活函数和参数初始化的方式 7. 掌握神经网络的构建方法 8. 掌握神经网络的优化方法 9. 掌握神经网络的正则化方法 10. 能够构建神经网络完成手写数字的识别 11. 掌握卷积神经网络的构成 12. 能够构建经典的卷积神经网络 13. 掌握模型微调和图像增强的方法
8521人学习
10小时学会opencv, 带您领略朴素图像处理的魅力风采 : 1. 了解什么是opencv及其安装 2. 了解opencv的架构 3. 掌握opencv进行图像的IO操作 4. 掌握opencv的图像处理方法 5. 掌握opencv的特征提取与描述方法 6. 使用opencv进行人脸识别
9682人学习
20个小时迈入自然语言处理的大门, 并直通循环神经网络和大名鼎鼎的Transformer, 为向NLP登堂入室打下坚实基础: 1. Pytorch基础 2. 自然语言处理入门 3. 文本预处理 4. HMM和CRF 5. RNN, LSTM, GRU 6. Transformer
8514人学习
40h小时入门人工智能,带你了解人工智能的前世今生、带你掌握人工智能经典算法 1. 了解人工智能基本概念 2. 掌握matplotlib的基本使用 3. 掌握Numpy的基本使用 4. 掌握pandas的基本使用 5. 掌握Seaborn的基本使用 6. 熟悉人工智能中常用的数学 7. 熟悉KNN算法实现过程及其原理 8. 熟悉线性回归算法实现过程及其原理 9. 熟悉逻辑回归算法实现过程及其原理 10. 熟悉决策树算法实现过程及其原理 11. 熟悉朴素贝叶斯算法实现过程及其原理 12. 熟悉SVM算法实现过程及其原理 13. 熟悉HMM算法实现过程及其原理 14. 熟悉集成学习基本分类以及经典算法 15. 熟悉xgboost、lightGBM算法实现过程及其原理
25795人学习
360°解读机器学习经典算法——聚类算法,从基础算法到高阶应用全方位讲解,生动全彩,化繁为简,清晰直观解决实际问题,解析k-means(k-均值)基本算法并以全新视角解读其各种优化方式及谱聚类,DBSCAN ,SOM , AP聚类,视觉追踪等衍生算法,助力人工智能学习之路。
41927人学习
360°解读机器学习经典算法——聚类算法,从基础算法到高阶应用全方位讲解,生动全彩,化繁为简,清晰直观解决实际问题,解析k-means(k-均值)基本算法并以全新视角解读其各种优化方式及谱聚类,DBSCAN ,SOM , AP聚类,视觉追踪等衍生算法,助力人工智能学习之路。
41927人学习
40h小时入门人工智能,带你了解人工智能的前世今生、带你掌握人工智能经典算法 1. 了解人工智能基本概念 2. 掌握matplotlib的基本使用 3. 掌握Numpy的基本使用 4. 掌握pandas的基本使用 5. 掌握Seaborn的基本使用 6. 熟悉人工智能中常用的数学 7. 熟悉KNN算法实现过程及其原理 8. 熟悉线性回归算法实现过程及其原理 9. 熟悉逻辑回归算法实现过程及其原理 10. 熟悉决策树算法实现过程及其原理 11. 熟悉朴素贝叶斯算法实现过程及其原理 12. 熟悉SVM算法实现过程及其原理 13. 熟悉HMM算法实现过程及其原理 14. 熟悉集成学习基本分类以及经典算法 15. 熟悉xgboost、lightGBM算法实现过程及其原理
25795人学习
10小时学会opencv, 带您领略朴素图像处理的魅力风采 : 1. 了解什么是opencv及其安装 2. 了解opencv的架构 3. 掌握opencv进行图像的IO操作 4. 掌握opencv的图像处理方法 5. 掌握opencv的特征提取与描述方法 6. 使用opencv进行人脸识别
9682人学习
15小时掌握深度学习与CV,带您熟悉深度学习实现方式,带您掌握深度学习在计算机视觉中的应用 1. 了解深度学习的发展历史 2. 了解计算机视觉的发展历史 3. 掌握深度学习与机器学习的差别 4. 掌握深度学习框架tensorflow的使用方法 5. 掌握神经网络的构成 6. 掌握激活函数和参数初始化的方式 7. 掌握神经网络的构建方法 8. 掌握神经网络的优化方法 9. 掌握神经网络的正则化方法 10. 能够构建神经网络完成手写数字的识别 11. 掌握卷积神经网络的构成 12. 能够构建经典的卷积神经网络 13. 掌握模型微调和图像增强的方法
8521人学习
20个小时迈入自然语言处理的大门, 并直通循环神经网络和大名鼎鼎的Transformer,为向NLP登堂入室打下坚实基础: 1. Pytorch基础 2. 自然语言处理入门 3. 文本预处理 4. HMM和CRF 5. RNN, LSTM, GRU 6. Transformer
8514人学习