人工智能第一課:學習人工智能的那些事兒
39分鐘讓初學者知道學習人工智能的那些事兒: 1. 了解人工智能能干什么 2. 了解人工智能能廣泛的就業領域 3. 知道人工智能主流就業崗位 4. 掌握人工智能每個階段知識體系搭建和能力培養 5. 知道AI初學者認知誤區、常踩的“坑” 6. 知道已畢業同學AI入行、高薪經驗
人工智能開發
學習路線圖
返回頂部
QQ掃碼一鍵下載
QQ掃碼一鍵下載
初級教程零基礎小白入門必看
中級教程滿足就業工作需求
高級教程職場進階升職利器
15小時掌握深度學習與CV,帶您熟悉深度學習實現方式,帶您掌握深度學習在計算機視覺中的應用 1. 了解深度學習的發展歷史 2. 了解計算機視覺的發展歷史 3. 掌握深度學習與機器學習的差別 4. 掌握深度學習框架tensorflow的使用方法 5. 掌握神經網絡的構成 6. 掌握激活函數和參數初始化的方式 7. 掌握神經網絡的構建方法 8. 掌握神經網絡的優化方法 9. 掌握神經網絡的正則化方法 10. 能夠構建神經網絡完成手寫數字的識別 11. 掌握卷積神經網絡的構成 12. 能夠構建經典的卷積神經網絡 13. 掌握模型微調和圖像增強的方法
8521人學習
10小時學會opencv, 帶您領略樸素圖像處理的魅力風采 : 1. 了解什么是opencv及其安裝 2. 了解opencv的架構 3. 掌握opencv進行圖像的IO操作 4. 掌握opencv的圖像處理方法 5. 掌握opencv的特征提取與描述方法 6. 使用opencv進行人臉識別
9682人學習
20個小時邁入自然語言處理的大門, 并直通循環神經網絡和大名鼎鼎的Transformer, 為向NLP登堂入室打下堅實基礎: 1. Pytorch基礎 2. 自然語言處理入門 3. 文本預處理 4. HMM和CRF 5. RNN, LSTM, GRU 6. Transformer
8514人學習
40h小時入門人工智能,帶你了解人工智能的前世今生、帶你掌握人工智能經典算法 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數學 7. 熟悉KNN算法實現過程及其原理 8. 熟悉線性回歸算法實現過程及其原理 9. 熟悉邏輯回歸算法實現過程及其原理 10. 熟悉決策樹算法實現過程及其原理 11. 熟悉樸素貝葉斯算法實現過程及其原理 12. 熟悉SVM算法實現過程及其原理 13. 熟悉HMM算法實現過程及其原理 14. 熟悉集成學習基本分類以及經典算法 15. 熟悉xgboost、lightGBM算法實現過程及其原理
25795人學習
360°解讀機器學習經典算法——聚類算法,從基礎算法到高階應用全方位講解,生動全彩,化繁為簡,清晰直觀解決實際問題,解析k-means(k-均值)基本算法并以全新視角解讀其各種優化方式及譜聚類,DBSCAN ,SOM , AP聚類,視覺追蹤等衍生算法,助力人工智能學習之路。
41927人學習
360°解讀機器學習經典算法——聚類算法,從基礎算法到高階應用全方位講解,生動全彩,化繁為簡,清晰直觀解決實際問題,解析k-means(k-均值)基本算法并以全新視角解讀其各種優化方式及譜聚類,DBSCAN ,SOM , AP聚類,視覺追蹤等衍生算法,助力人工智能學習之路。
41927人學習
40h小時入門人工智能,帶你了解人工智能的前世今生、帶你掌握人工智能經典算法 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數學 7. 熟悉KNN算法實現過程及其原理 8. 熟悉線性回歸算法實現過程及其原理 9. 熟悉邏輯回歸算法實現過程及其原理 10. 熟悉決策樹算法實現過程及其原理 11. 熟悉樸素貝葉斯算法實現過程及其原理 12. 熟悉SVM算法實現過程及其原理 13. 熟悉HMM算法實現過程及其原理 14. 熟悉集成學習基本分類以及經典算法 15. 熟悉xgboost、lightGBM算法實現過程及其原理
25795人學習
10小時學會opencv, 帶您領略樸素圖像處理的魅力風采 : 1. 了解什么是opencv及其安裝 2. 了解opencv的架構 3. 掌握opencv進行圖像的IO操作 4. 掌握opencv的圖像處理方法 5. 掌握opencv的特征提取與描述方法 6. 使用opencv進行人臉識別
9682人學習
15小時掌握深度學習與CV,帶您熟悉深度學習實現方式,帶您掌握深度學習在計算機視覺中的應用 1. 了解深度學習的發展歷史 2. 了解計算機視覺的發展歷史 3. 掌握深度學習與機器學習的差別 4. 掌握深度學習框架tensorflow的使用方法 5. 掌握神經網絡的構成 6. 掌握激活函數和參數初始化的方式 7. 掌握神經網絡的構建方法 8. 掌握神經網絡的優化方法 9. 掌握神經網絡的正則化方法 10. 能夠構建神經網絡完成手寫數字的識別 11. 掌握卷積神經網絡的構成 12. 能夠構建經典的卷積神經網絡 13. 掌握模型微調和圖像增強的方法
8521人學習
20個小時邁入自然語言處理的大門, 并直通循環神經網絡和大名鼎鼎的Transformer,為向NLP登堂入室打下堅實基礎: 1. Pytorch基礎 2. 自然語言處理入門 3. 文本預處理 4. HMM和CRF 5. RNN, LSTM, GRU 6. Transformer
8514人學習