我是菜鸟,接下来准备按照这个路线先学起来了。希望能在2024年6月底之前,入门NLP。
-
开发基础
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。
-
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
-
Nadrray
-
Scalars
-
Boradcasting
-
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
-
Annotation
-
Figure
-
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
-
-
-
机器学习核心技术
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,据相关招聘网站显示薪资可达到15K-20K。
-
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
-
KNN
-
Adaboost
-
随机森林
-
逻辑回归
-
朴素贝叶斯
-
GBDT
-
XGboost
-
LightGBM
-
-
回归算法
-
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
-
KMeans
-
KMeans++
-
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
-
PCA
-
ICA
-
LDA
-
-
模型选择
-
Metrics
-
Scoring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
-
-
-
深度学习核心技术
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。
-
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)
-
-
-
NLP自然语言处理技术
NLP自然语言处理技术:本阶段课程将掌握突破市场更高年薪的NLP技术,学生可应对市场上NLP工程师,根据市场反馈薪资可突破30K。
-
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RNN
-
LSTM
-
Bi-LSTM
-
GRU
-
Bi-GRU
-
Seq2Seq
-
-
迁移学习
-
FastText
-
预训练模型
-
Google BERT
-
GPT
-
GPT-2
-
权重微调
-
-
-
CV计算机视觉技术
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,根据互联网人才招聘数据显示薪资可达20K以上。
-
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API
-
tf.data
-
tf.keras
-
-
目标分类
-
卷积计算方法
-
多通道卷积
-
AlexNet
-
VGG
-
ResNet残差网络
-
ImageNet分类
-
-
目标检测
-
RCNN
-
FPN
-
SSD
-
ROI Pooling
-
FasterRCNN
-
非极大抑制NMS
-
-
目标分割
-
全卷积
-
ROI Align
-
DeepLab
-
MaskRCNN
-
金字塔池化模块
-
语义分割评价标准
-
-