21世紀，屬于人工智能的時代已經(jīng)到來。諸多應用領域都有著人工智能的身影，如：搜索引擎、無人駕駛、百度大腦、訊飛語音以及蘋果的Siri。本課程帶你從零基礎入門，本課程從理論到項目實戰(zhàn)，層層深入學習，步步進階。課程主要從高等數(shù)學必知必會、Python高級應用、Python項目、機器學習算法、機器學習項目、深度學習、推薦算法及數(shù)據(jù)挖掘、綜合項目實戰(zhàn)以及職業(yè)素養(yǎng)等全方位講解，更加注重于實際操作以及開發(fā)經(jīng)驗的講解，對學生的日常工作或未來發(fā)展將起到十分重要的指導作用。完美學習計劃，成就精英人工智能工程師！未來五年，我國人工智能市場空間廣闊，發(fā)展速度遠超全球。 2020年我國AI市場規(guī)模將達到91億元，年復合增速約19.7%；同期，中國人工智能增速1億元，年復合增速約為50%。
人工智能招聘領域，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%，漲勢迅猛。且就業(yè)薪資均超1W！未來還在持續(xù)上漲趨勢。
  階段一、人工智能之訓練成果報告可視化技術課程一、數(shù)據(jù)可視化基礎
1）可視化技術骨骼技術之HTML技術：HTML結構、HTML表單、HTML文檔
2）可視化技術皮膚之CSS技術：CSS樣式、樣式引入技術
3）可視化技術驅動之Javascript與Jquery:Javascript事件、Javascript Dom和BOM操作、網(wǎng)頁特效課程二、圖表可視化技術
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語法格式簡介、編碼規(guī)范簡介、常用關鍵字介紹
2）變量與賦值、運算符和基本運算、位運算、字符串處理
3）列表元祖、字典、數(shù)組、切片、列表推導式、淺拷貝和深拷貝
4）條件判斷語句、循環(huán)控制語句
5）函數(shù)的定義、函數(shù)閉包、裝飾器、lambda表達式、遞歸函數(shù)及尾遞歸優(yōu)化、常用內置函數(shù)/高階函數(shù)
6）項目案例：約瑟夫環(huán)問題
7）類和實例、訪問限制、繼承和多態(tài)及多重繼承、獲取對象信息、實例屬性和類屬性、模塊和包、類中的模式方法、異常和錯誤處理、debug調試課程四、Python高級編程+數(shù)據(jù)可視化
1）時間庫，主要講解time、datetime，為之后時間序列分析做準備。
2）python鏈接數(shù)據(jù)庫，使用pymysql、pyhive操作數(shù)據(jù)倉庫，存儲數(shù)據(jù)源采集結果，以及存儲訓練成果。
3）文件、目錄操作，通過os，file等模塊實現(xiàn)文件、目錄操作，方便數(shù)據(jù)文件提取。
4）機器學習模塊庫，掌握數(shù)值計算庫Numpy、數(shù)據(jù)分析庫Pandas，為之后機器學習算法實現(xiàn)奠定基礎。
5）數(shù)據(jù)可視化繪圖庫，使用matplotlib實現(xiàn)數(shù)據(jù)可視化
階段二、人工智能之數(shù)據(jù)源采集及訓練成果存儲技術課程五、非分布式存儲技術
1）利用關系型數(shù)據(jù)庫存儲數(shù)據(jù)源以及訓練成果數(shù)據(jù)，掌握關系型數(shù)據(jù)庫原理和數(shù)據(jù)結構、數(shù)據(jù)庫環(huán)境搭建、數(shù)據(jù)倉庫創(chuàng)建、數(shù)據(jù)工作表創(chuàng)建、數(shù)據(jù)倉庫數(shù)據(jù)類型設定、數(shù)據(jù)倉庫CRUD課程六、分布式存儲技術
1）利用分布式數(shù)據(jù)倉庫存儲大數(shù)據(jù)源以及訓練成果數(shù)據(jù)，掌握分布式環(huán)境搭建、分布式數(shù)據(jù)倉庫Hive存儲結構與原理、分布式數(shù)據(jù)倉庫Hive實戰(zhàn)應用課程七、Tableau人工智能訓練成果展示
1）訓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訓練成果可視化案例課程八、數(shù)據(jù)采集技術
1）數(shù)據(jù)采集技術原理，熟練掌握網(wǎng)絡爬蟲含義、爬蟲原理以及反爬蟲機制
2）數(shù)據(jù)采集應用，使用json、requests，lxml，beatuifulSoup模塊實現(xiàn)數(shù)據(jù)的采集與解析
3）數(shù)據(jù)采集實戰(zhàn)，實現(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、人工智能之機器學習課程九、數(shù)學基礎
1）數(shù)據(jù)分析：熟練掌握常數(shù)e、導數(shù)、梯度、Taylor、gini系數(shù)、信息熵與組合數(shù)、梯度下降、牛頓法等知識點；
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、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)和相關系數(shù)、最大似然估計和最大后驗估計等知識點；
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)轉移矩陣、特征向量、矩陣的相關乘法、矩陣的QR分解、對稱矩陣、正交矩陣、正定矩陣、矩陣的SVD分解、矩陣的求導、矩陣映射/投影等知識點；
4）凸顯示：凸優(yōu)化基本概念、凸集、凸函數(shù)、凸優(yōu)化問題標準形式、凸優(yōu)化之Lagerange對偶處、凸優(yōu)化之牛頓法、梯度下降法求解課程十、機器學習
1）機器學習概述
2）數(shù)據(jù)清洗和特征選擇：實現(xiàn)特征抽取、特征轉換、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、隨機森林、Adaboost算法、GBDT算法、Xgboost、LightGBM
5）SVM：線性可分支持向量機、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關系、K-means算法、K-means算法優(yōu)缺點及變種算法、密度聚類、層、聚類、譜聚類
7）EM算法：最大似然估計、EM算法原理講解、多元高斯分布的EM實現(xiàn)、主題模型pLSA及EM算法
8）貝葉斯算法：樸素貝葉斯、條件概率表達形式、貝葉斯網(wǎng)絡的表達形式
9）隱馬爾科夫模型：概率計算問題、前向/后向算法、HMM的參數(shù)學習、高斯混合模型HMM
10）LDA主題模型：LDA主題模型概述、共軛先驗分布、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
2）Spark基礎
3）Spark Mlib機器學習
階段四、人工智能之智能推薦技術課程十二、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、基于內存的推薦、基于知識的推薦等)
3） 數(shù)據(jù)挖掘相關算法(關聯(lián)規(guī)則、Aprior算法)
4） 項目案例：音樂推薦、隱因子模型推薦
階段五、人工智能之深度學習課程十三、深度學習
1）Tensorflow基本應用：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：Keras，以及基于Tensorflow實現(xiàn)回歸算法實現(xiàn)。
2）深度學習概述
3）感知器神經(jīng)網(wǎng)絡
4）BP神經(jīng)網(wǎng)絡
5）RBF徑向基神經(jīng)網(wǎng)絡
6）CNN卷積神經(jīng)網(wǎng)絡
7）RNN循環(huán)神經(jīng)網(wǎng)絡
8）生成對抗網(wǎng)絡（GAN，WGAN，EBGAN，DCGAN等）
階段六、人工智能之圖像處理技術課程十四、圖像處理篇
1）圖像基礎：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)運算：圖像像素讀取，算數(shù)運算，ROI區(qū)域提取
3）圖像顏色空間運算:圖像顏色空間相互轉化
4）圖像幾何變換:平移，旋轉，仿射變換，透視變換等
5）圖像形態(tài)學:腐蝕，膨脹，開/閉運算等
6）圖像輪廓:長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等
7）圖像統(tǒng)計學: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、人工智能之自然語言處理技術課程
1）詞（分詞，詞性標注）代碼實戰(zhàn)
2）詞（深度學習之詞向量，字向量）代碼實戰(zhàn)
3）詞（深度學習之實體識別和關系抽?。┐a實戰(zhàn)
4）詞（關鍵詞提取，無用詞過濾）代碼實戰(zhàn)
5）句（句法分析，語義分析）代碼實戰(zhàn)
6）句（自然語言理解,一階邏輯）代碼實戰(zhàn)
7）句（深度學習之文本相似度）代碼實戰(zhàn)
階段八、人工智能之企業(yè)項目實戰(zhàn)
實戰(zhàn)型項目一、基于FaceNet、云平臺的人臉識別及人臉檢索系統(tǒng)
使用深度學習框架從零開始完成人臉檢測的核心技術圖像類別識別的操作，從數(shù)據(jù)預處理開始一步步構建網(wǎng)絡模型并展開分析與評估，方便大家快速動手進行項目實踐！識別上千種人臉，返回層次化結構的每個人的標簽。
實戰(zhàn)型項目二、三、四、五、六......
階段九、人工智能篇之企業(yè)項目實戰(zhàn)......
階段十、架構實戰(zhàn)篇......