2024体系课/AI人工智能算法工程师视频教程/零基础到实战项目课程

作者: admin 分类: IT教程 发布时间: 2024-10-15 00:36

今日分享:2024体系课/AI人工智能算法工程师视频教程/零基础到实战项目课程

对应课程:https://item.taobao.com/item.htm?ft=t&id=844271895594

相关截图:

课程简介:

从AI零基础入门,打通视觉,NLP,机器学习,深度学习,推荐搜索,AIGC,大模型
引领行业的知识体系+工业级多领域综合项目+资深专业讲师团+全方位贴心服务
助力你平滑递进式快速成为新时代抢手人才,多领域灵活就业

课程目录:

  |├──【第1周】快速搞清楚人工智能

  ||└──1-1人工智能发展前景与就业方向

  |||├──1-1-1第1章课程全面解析

  |||├──1-1-2第2章人工智能到底是什么?

  |||├──1-1-3第3章人工智能发展背后的历史

  |||└──1-1-4第4章解锁人工智能各大行业典型应用&就业方向

  |├──【第2周】AI编程基石:Python入门与进阶

  ||├──2-1 Python起步:入门与环境搭建

  |||├──2-1-1第1章周课程整体介绍和安排

  |||├──2-1-2第2章Anacond软件:安装、管理python相关包

  |||├──2-1-3第3章Jupyter Notbook&Pycharm:Py开发

  |||└──2-1-4第4章环境配置的优化方案

  ||├──2-2 Python基础与程序流程控制

  |||├──2-2-1第1章基础语法与输入出

  |||├──2-2-2第2章顺序结构语句

  |||├──2-2-3第3章选择结构语句

  |||└──2-2-4第4章循环结构语句

  ||├──2-3 Python列表、元组、字典和集合

  |||└──2-3-1第1章Python序列与应用

  ||├──2-4 Python函数、模块,文件与文件夹操作

  |||├──2-4-1第1章Python函数

  |||├──2-4-2第2章python模块

  |||└──2-4-3第3章Python文件与文件操作

  ||└──2-5 Python面向对象编程

  |||├──2-5-1第1章面向对象的概念

  |||├──2-5-2第2章面向对象的特征

  |||└──2-5-3第3章综合案例

  |└──【第3周】AI编程基石:Python高级编程

  ||├──3-1 Python的文件、表格、绘图、视频处理

  |||├──3-1-1第1章周课程整体介绍与安排

  |||├──3-1-2第2章文本文件操作

  |||├──3-1-3第3章pandas表格数据处理

  |||├──3-1-4第4章Matplotlib常用画图处理

  |||├──3-1-5第5章OpenCV影像数据处理

  |||└──3-1-6第6章pickle文件处理:数据序列化处理

  ||└──3-2 PyQt构建用户界面应用程序

  |||├──3-2-1第1章PyQt安装与构建用户界面

  |||└──3-2-2第2章优化PyQt构建用户界面应用程序

  |├──【第4周】人工智能底层基石-三大必备AI数学基础

  ||├──4-1线性代数:人工智能数据基础

  |||├──4-1-1第1章周课程整体介绍与安排

  |||└──4-1-2第2章线性代数

  ||├──4-2微积分:数学背后的AI力量

  |||├──4-2-1第1章概念回顾:导数、微分、积分

  |||├──4-2-2第2章链式求导

  |||└──4-2-3第3章反向传播算法

  ||└──4-3概率论:数据科学与AI的关键

  |||└──4-3-1第1章概率论核心概念与案例

  |├──【第5周】机器学习–解锁人工智能的核心

  ||├──5-1机器学习理论&常见任务

  |||├──5-1-1第1章周介绍和课程安排

  |||├──5-1-2第2章机器学习基础

  |||├──5-1-3第3章机器学习特征

  |||└──5-1-4第4章机器学习常见任务

  ||├──5-2评估目标与优化目标

  |||├──5-2-1第1章机器学习评估指标

  |||└──5-2-2第2章机器学习优化目标

  ||└──5-3机器学习模型实践

  |||└──5-3-1第1章逻辑回归模型原理与实战

  |├──【第6周】神经网络–处理和学习复杂的数据

  ||├──6-1单层神经网络原理与实践

  |||├──6-1-1第1章周课程整体介绍与安排

  |||├──6-1-2第2章生物神经网络原理

  |||└──6-1-3第3章感知器与梯度反向传播

  ||├──6-2多层神经网络原理与实践

  |||├──6-2-1第1章多层感知器与反向传播算法

  |||└──6-2-2第2章多层神经网络案例实践

  ||└──6-3序列神经网络

  |||├──6-3-1第1章序列预测问题与RNN模型

  |||└──6-3-2第2章长短时记忆网络与门控循环单元

  |├──【第7周】卷积神经网络(CNN)-处理具有网格结构数据的任务

  ||├──7-1卷积神经网络基础

  |||├──7-1-1第1章周课程整体介绍与安排

  |||├──7-1-2第2章卷积神经网络基础

  |||└──7-1-3第3章卷积与全连接的比较

  ||└──7-2典型卷积神经网络模型

  |||├──7-2-1第1章卷积与池化反向传播

  |||└──7-2-2第2章典型卷积神经网络模型

  |├──【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

  ||├──8-1参数初始化+激活函数

  |||├──8-1-1第1章周课程整体介绍与安排

  |||├──8-1-2第2章深度学习优化:标准化

  |||└──8-1-3第3章深度学习优化:泛化与正则化

  ||├──8-2标准化方法+正则化

  |||├──8-2-1第1章标准化方法

  |||└──8-2-2第2章正则化

  ||└──8-3学习率与最优化方法

  |||└──8-3-1第1章学习率与最优化方法

  |└──【第9周】数据获取、整理与应用–构建数据之源,驱动智能决策

  ||├──9-1数据获取与整理:构建可靠数据

  |||├──9-1-1第1章周课程整体介绍与安排

  |||├──9-1-2第2章数据获取:图像和视频数据爬取

  |||├──9-1-3第3章数据整理:对数据进行整理、清洗和去噪

  |||└──9-1-4第4章数据标注:工具与使用

  ||└──9-2数据增强方法与实践

  |||├──9-2-1第1章数据增强

  |||└──9-2-2第2章数据增强库imgaug实践

  |├──【第10周】PyTorch数据处理与网络模型构建

  ||├──10-1 PyTorch入门与应用

  |||├──10-1-1第1章周课程整体介绍与安排

  |||├──10-1-2第2章安装PyTorch

  |||└──10-1-3第3章Tensor的操作

  ||├──10-2数据集加载与应用

  |||├──10-2-1第1章Dataset与Dataloader

  |||└──10-2-2第2章数据增强与转换

  ||└──10-3网络模型搭建实战

  |||└──10-3-1第1章网络模型搭建实战

  |├──【第11周】深入PyTorch模型的训练与可视化

  ||├──11-1 PyThorch训练基础与数据可视化

  |||└──11-1-1第1章模型训练与可视化

  ||├──11-2 PyThorch训练进阶与性能优化

  |||├──11-2-1第1章PyTorch训练进阶

  |||└──11-2-2第2章模型性能提升方法

  ||└──11-3 PyThorch软件封装

  |||└──11-3-1第1章PyThorch软件封装

  |├──【第12周】CNN图像处理模型

  ||├──12-1简单链式模型理论与实战

  |||└──12-1-1第1章简单链式模型理论与实战

  ||├──12-2多分支模型理论与实战

  |||└──12-2-1第1章多分支模型理论与实战

  ||└──12-3残差模型理论与实战

  |||└──12-3-1第1章残差模型理论与实战

  |├──【第13周】移动端AI高效率分组模型

  ||├──13-1 mobilenet模型理论与实战

  |||├──13-1-1第1章卷积拆分分组与Xception

  |||├──13-1-2第2章MobileNet模型

  |||└──13-1-3第3章从零搭建MobileNet模型

  ||└──13-2 shufflenet模型理论与实战

  |||├──13-2-1第1章ShuffleNet模型

  |||└──13-2-2第2章从零搭建ShuffleNet模型

  |├──【第14周】卷积注意力模型

  ||├──14-1特征通道注意力

  |||├──14-1-1第1章注意力模型基础

  |||├──14-1-2第2章特征注意力模型

  |||└──14-1-3第3章从零搭建SENet

  ||├──14-2空间注意力

  |||└──14-2-1第1章空间注意力

  ||└──14-3混合注意力模型

  |||└──14-3-1第1章混合注意力模型

  |└──【第15周】Transformer模型

  ||└──15-1 Transformer原理与实现

  |||├──15-1-1第1章自注意力机制

  |||├──15-1-2第2章Transformer模型

  |||└──15-1-3第3章从零搭建Transformer

  |├──【第16周】Vision Transformer模型

  ||├──16-1 Vision Transformer模型

  |||├──16-1-1第1章基础ViT模型

  |||└──16-1-2第2章从零搭建Vision Transformer

  ||└──16-2轻量级VisionTransformer

  |||├──16-2-1第1章轻量级ViT模型

  |||└──16-2-2第2章从零搭建Mobile ViT模型

  |├──【第17周】【视觉领域】图像分类技术与项目实战

  ||├──17-1图像分类基础与实践:安防监控人脸表情识别

  |||├──17-1-1第1章图像分类基础与模型

  |||└──17-1-2第2章人脸表情识别实战

  ||└──17-2多标签分类与实战:生活用品多标签分类

  |||├──17-2-1第1章多标签图像分类模型

  |||└──17-2-2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

  ||├──18-1目标检测基础与YOLO系列模型原理

  |||├──18-1-1第1章目标检测基础

  |||└──18-1-2第2章YOLO系列模型原理

  ||└──18-2实践:YOLO v5车牌检测实战

  |||└──18-2-1第1章YOLO v5车牌检测实战

  |├──【第19周】【医疗与直播领域】图像分割技术与项目实战

  ||├──19-1图像分割基础与模型

  |||├──19-1-1第1章图像分割基础

  |||├──19-1-2第2章经典语义分割模型

  |||└──19-1-3第3章语义分割的关键技术改进

  ||└──19-2实践:基于UNet的人脸语义分割

  |||└──19-2-1第1章基于UNet的人脸语义分割实战

  |└──【第20周】【视频分析领域-火热领域】视频分类技术与项目实战

  ||├──20-1视频分类与行为识别基础

  |||├──20-1-1第1章视频分类基础

  |||├──20-1-2第2章三维卷积模型

  |||└──20-1-3第3章双流模型

  ||└──20-2实战:3DCNN视频分类实战

  |||└──20-2-1第1章3DCNN视频分类实战

 

资源下载此资源下载价格为9.9研学币点击检测网盘有效后购买(VIP免费)
如下载链接失效请在对应帖子跟帖留言,48小时内回复

输入优惠码:我爱测试网,享8折优惠

客服QQ:54898578;QQ群:907514570;微信:rlczhouxiong

如果觉得我的文章对您有用,请随意赞赏。您的支持将鼓励我继续创作!

发表回复