百战程序员-AI算法工程师就业班2022年价值18980元

2022年11月19日17:08:32 发表评论

百战程序员-AI算法工程师就业班2022年价值18980元

百战程序员-AI算法工程师就业班2022年价值18980元

百战程序员-AI算法工程师就业班2022年价值18980元资源简介:

课程大纲

1--人工智能基础-快速入门

1--人工智能就业、薪资、各行业应用

2--机器学习和深度学习、有监督和无监督

10--机器学习与大数据-Kaggle竞赛实战

1--药店销量预测案例

2--网页分类案例

11--机器学习与大数据-海量数据挖掘工具

1--Spark计算框架基础

2--Spark计算框架深入

3--Spark机器学习MLlib和ML模块

12--机器学习与大数据-推荐系统项目实战

1--推荐系统--流程与架构

2--推荐系统--数据预处理和模型构建评估实战

3--推荐系统--模型使用和推荐服务

13--深度学习-原理和进阶

1--神经网络算法

2--TensorFlow深度学习工具

3--反向传播推导_Python代码实现神经网络

14--深度学习-图像识别原理

1--卷积神经网络原理

2--卷积神经网络优化

3--经典卷积网络算法

4--古典目标检测

5--现代目标检测之FasterRCNN

15--深度学习-图像识别项目实战

1--车牌识别

2--自然场景下的目标检测及源码分析

3--图像风格迁移

16--深度学习-目标检测YOLO(V1-V4全版本)实战

1--YOLOv1详解

2--YOLOv2详解

3--YOLOv3详解

4--YOLOv3代码实战

5--YOLOv4详解

17--深度学习-语义分割原理和实战

1--上采样_双线性插值_转置卷积

2--医疗图像UNet语义分割

3--蒙版弹幕MaskRCNN语义分割

18--深度学习-人脸识别项目实战

19--深度学习-NLP自然语言处理原理和进阶

1--词向量与词嵌入

2--循环神经网络原理与优化

3--从Attention机制到Transformer

4--ELMO_BERT_GPT

2--人工智能基础-Python基础

1--Python开发环境搭建

2--Python基础语法

20--深度学习-NLP自然语言处理项目实战

1--词向量

2--自然语言处理--情感分析

3--AI写唐诗

4--Seq2Seq聊天机器人

5--实战NER命名实体识别项目

6--BERT新浪新闻10分类项目

7--GPT2聊天机器人

21--深度学习-OCR文本识别

24--【加课】Pytorch项目实战

1--PyTorch运行环境安装_运行环境测试

2--PyTorch基础_Tensor张量运算

3--PyTorch卷积神经网络_实战CIFAR10

4--PyTorch循环神经网络_词性标注

5--PyTorch编码器解码器_机器翻译

25--【加课】百度飞桨PaddlePaddle实战【新增】

1--PaddlePaddle框架安装_波士顿房价预测

2--PaddlePaddle卷积网络_病理性近视识别

3--PaddleDetection工具_PCB电路板缺陷检测

4--PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)

5--PaddleNLP模块_物流信息提取(BiGRU+CRF)

6--PaddleNLP模块_物流信息提取(ERNIE版)

26--【加课】Linux 环境编程基础

1--Linux

27--【加课】算法与数据结构

算法与数据结构

3--人工智能基础-Python科学计算和可视化

1--科学计算模型Numpy

2--数据可视化模块

3--数据处理分析模块Pandas

31--【加课】 强化学习【新增】

| ├──1--Q-Learning与SARSA算法

| ├──2--Deep Q-Learning Network

| ├──3--Policy Gradient 策略梯度

| ├──4--Actor Critic (A3C)

| └──5--DDPG、PPO、DPPO算法

├──4--人工智能基础-高等数学知识强化

| ├──1--数学内容概述

| ├──2--一元函数微分学

| ├──3--线性代数基础

| ├──4--多元函数微分学

| ├──5--线性代数高级

| ├──6--概率论

| └──7--最优化

├──5--机器学习-线性回归

| ├──1--多元线性回归

| ├──2--梯度下降法

| ├──3--归一化

| ├──4--正则化

| └──5--Lasso回归_Ridge回归_多项式回归

├──6--机器学习-线性分类

| ├──1--逻辑回归

| ├──2--Softmax回归

| ├──3--SVM支持向量机算法

| └──4--SMO优化算法

├──7--机器学习-无监督学习

| ├──1--聚类系列算法

| ├──2--EM算法和GMM高斯混合模型

| └──3--PCA降维算法

├──8--机器学习-决策树系列

| ├──1--决策树

| ├──2--集成学习和随机森林

| ├──3--GBDT

| └──4--XGBoost

├──9--机器学习-概率图模型

| ├──1--贝叶斯分类

| ├──2--HMM算法

| └──3--CRF算法

└──课件

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: