Python人工智能

章节

教学重点

第一章 人工智能概述

1. AI的社会认知
2. 人工智能技术的发展史
3. 人工智能技术的应用方向与应用场景
4. 人工智能的发展战略
5. 人工智能现有的问题
6. 人工智能的未来
7. 人工智能，机器学习，深度学习之间的关系

第二章 机器学习概述

1. 机器学习概念
2. 机器学习的应用场景介绍
3. 机器学习现有的问题
4. 机器学习的未来前景
5. 机器学习的分类
6. 机器学习的整体流程

第三章 机器学习分类算法

1. 分类算法的概念与应用场景
2. KNN算法
3. 朴素贝叶斯算法
4. 决策树算法
5. 随机森林算法
6. 分类算法的模型评估
7. 分类算法的模型优化

第四章 机器学习回归算法

1. 回归算法的概念与应用场景
2. 线性回归算法
3. 梯度下降算法
4. 正则化
5. 逻辑回归算法
6. SVM支持向量机
7. 欠拟合和过拟合
8. 回归算法模型评估与优化

第五章 集成学习算法与聚类算法

1. 集成学习算法概念与应用
2. Bagging集成原理
3. Bagging代表算法：随机森林
4. Boosting集成原理
5. Boosting代表算法：Adaboost，GBDT，XGBoost
6. Bagging与Boosting对比
7. 聚类算法的概念与应用场景
8. K-means算法原理与具体实现
9. 聚类算法模型评估与优化

第六章 深度学习概述

1. 深度学习概念
2. 深度学习的应用场景
3. 深度学习的三大技术方向
4. 单层感知机模型
5. 神经网络ANN结构
6. 反向传播算法
7. 模型评估与优化
8. ANN手写数字识别

第七章 Tensorflow框架

1. 业界主流深度学习框架介绍
2. Tensorflow介绍
3. Tensorflow基础知识
4. Tensorflow中常用API介绍
5. Tensorflow的基本操作

第八章 卷积神经网络（CNN）

1. 卷积神经网络介绍
2. 卷积神经网络的实现原理
3. 卷积层实现原理
4. 池化层实现原理
5. 全连接层实现原理
6. API介绍与具体应用
7. 案例：手写图片实现
8. 案例：猫狗图像识别

第九章 循环神经网络（RNN）

1. 循环神经网络介绍与应用场景
2. 循环神经网络的实现原理
3. LSTM长短记忆网络
4. API介绍与使用
5. API介绍与具体应用
6. 案例：手写数字识别

第十章 生成对抗神经网络（GAN）

1. 生成对抗神经网络介绍与应用场景
2. 生成对抗神经网络的实现原理
3. 生成器原理
4. 判别器原理
5. API介绍与具体应用
6. 案例：手写图片生成

第十一章 opencv图像识别

1. 图像预处理技术
2. 图像处理的基本任务
3. 图像识别（图像分类，目标检测，图像分割，目标跟踪）及其常用算法介绍
4. Opencv框架介绍
5. API具体使用
6. API介绍与具体应用
7. 案例：信用卡数字识别
8. 案例：文档扫描OCR识别

第十二章 自然语言处理（NLP）

1. 自然语言处理概述与应用场景
2. 自然语言处理研究内容
3. 自然语言处理关键技术
4. 文本处理的基本方法
5. 文本张量表示方法（word2vec）
6. 文本数据分析
7. 文本特征处理（n-gram）
8. 文本数据增强
9. 知识图谱（基本概念、体系结构与应用场景）
10. 案例：新闻主体分类任务
11. 案例：人名分类器

第十二章 人工智能项目实战

1. 车牌识别
2. 佩戴口罩识别
3. 自动作诗机器人
4. 聊天机器人