JavaEE
黑马程序员人工智能学习路线图（2023官方完整版）
6个月，AI时下火热，助你扶摇直上！下方含全套视频+源码资料
-
一、人工智能开发入门01
Python编程 基本语法数据结构函数面向对象多任务模块与包闭包装饰器迭代器
Numpy矩阵运算 NadrrayScalarsBoradcasting矩阵运算矩阵转置矩阵求逆
Scipy数值运算库 Scipy基本使用Scipy常量Scipy稀疏矩阵Scipy图结构Scipy空间Scipy插值
Pandas数据科学库 自带数据结构数据读取写入数据清洗数据计算数据合并数据排序
Matplotlib 基础图表基础图表AnnotationFigure子图Legend
Seaborn 数据关系图数据分布图类别图回归图矩阵图多变量关系
PyEcharts 基本使用图表API组合图表其他资源图表类型Web框架整合
阶段案例实战
* RFM案例实战 * 电商运营案例实战 -
二、机器学习核心技术02
Scikit Learn 聚类算法API数据预处理分类算法API回归算法API
分类算法 决策树KNNAdaboost随机森林逻辑回归朴素贝叶斯GBDTXGboostLightGBM
回归算法 线性回归线性回归Lasso回归决策树回归随机森林回归XGboost回归
聚类算法 KMeansKMeans++GMM基于层次聚类基于密度聚类DBSCAN
属性降维 属性降维特征选择因子分析PCAICALDA
模型选择 MetricsScoring模型得分Grid search 网格搜索Cross Validation 交叉验证Hyper-Parameters 超参数选择Validation curves 模型验证曲线
特征工程 Standardization标准化Scaling Features归一化Non-linear transformation非线性转化Gaussian distribution高斯分布转化Normalization正则化Encoding categorical features类别性编码处理
阶段案例实战
* 零售行业建模分析 * 电商用户画像行为分析课程视频 1、零基础快速入门机器学习 -
三、深度学习核心技术03
人工神经网络 损失函数激活函数Back Propagation优化方法及正则化
BP神经网络 网络基本结构正向计算链式法则权重更新Sigmoid函数梯度消失/爆炸Batch Normalization
CNN卷积神经网络 局部感受野权值共享DropOut卷积层池化层全连接层
RNN循环神经网络 梯度裁剪双向长短时记忆网络（BiLSTM）长短时记忆网络（LSTM）门控神经网络(GRU)
阶段项目实战
* 图像识别案例 * 文本处理案例课程视频 1、深度学习核心技术课程(敬请期待) -
四、NLP自然语言处理技术04
Pytorch编程 定义损失函数自动微分功能定义优化器定义模型结构
传统序列模型 隐马尔科夫模型条件随机场原理与实践CRF与HMM区别
Transfomer原理 编码器解码器注意力机制语言模型模型超参数模型验证
文本预处理 文本处理基本方法文本张量表示方法文本语料数据分析数据增强方法命名实体识别Word Embedding词嵌入
RNN及变体 传统RNNLSTMBi-LSTMGRUBi-GRUSeq2Seq
迁移学习 FastText预训练模型Google BERTGPTGPT-2权重微调
阶段项目实战
* 文本分类 * 文本生成 -
五、CV计算机视觉技术05
OpenCV图像处理 读写图像灰度变换几何变换形态学纹理分割视频操作边缘检测技术特征检测和描述
Tensorflow编程 张量变量高阶APItf.datatf.keras
目标分类 卷积计算方法多通道卷积AlexNetVGGResNet残差网络ImageNet分类
目标检测 RCNNFPNSSDROI PoolingFasterRCNN非极大抑制NMS
目标分割 全卷积ROI AlignDeepLabMaskRCNN金字塔池化模块语义分割评价标准
阶段项目实战
* 目标分类 * 目标检测 -
六、大厂面试专题06
数据结构 栈树图数组链表哈希表
常见算法 排序查找链表算法动态规划二叉树递归算法贪心算法图算法队列算法
机器学习&深度学习 分类算法面试专题聚类算法面试专题回归算法面试专题深度学习基础面试专题
NLP & CV面试专题 深度学习与NLP面试专题深度学习与CV面试专题
学习路线图说明
阶段一人工智能开发入门：从人工智能Python语言入手，掌握Python基础语法，对后续学习打下坚实基础。
阶段二机器学习核心技术：掌握核心机器学习算法原理，掌握分类、回归、聚类使用场景，满足人工智能数据挖掘类岗位，薪资可达到15K-20K。
阶段三深度学习核心技术：掌握深度学习算法原理，掌握BP神经网络、CNN、RNN等基础网络结构，为后续NLP和CV奠定技术基础。
阶段四NLP自然语言处理技术：本阶段课程将掌握突破市场超高年薪的NLP技术，学生可应对市场上NLP工程师，根据市场反馈薪资突破30K。
阶段五CV计算机视觉技术：掌握计算机视觉基础算法原理，掌握目标检测、分类、跟踪等各类CV任务，学生可应对市场上CV工程师岗位，薪资可达20K以上。
阶段六大厂面试专题：围绕大厂高频面试题，给出详尽解答，针对机器学习、深度学习、CV、NLP、数据结构与算法系列等专题精心设计，圆你大厂梦！