第一阶段:Ai基础
1、AI基础概览
(1)ai基础概念
(2)全栈Ai战略
2、数学基础知识
(1) 高等数学
(2) 凸优化
(3) 线性代数
(4) 概率论与数理统计
(5) 信息论
3、python编程知识
(1) Python介绍
(2) Python基础
(3) Python高级
(4) Python实验
4、常用框架工具
(1) Python科学计算库Numpy
(2) Python数据分析处理库Pandas
(3) Python可视化库Matplotlib
(4) Python图像处理库Pillow
(5) Python机器学习库Scikit-learn
(6) Python图像处理库Scikit-image
(7) TensorFlow简介
(8) Keras简介
(9) pytorch简介
(10)opencv
第二阶段:技术领域
1、机器学习
(1) 机器学习概述
(2) 有监督学习-线性回归
(3) 有监督学习-逻辑回归
(4) 有监督学习-KNN
(5) 有监督学习-朴素贝叶斯
(6) 有监督学习-SVM
(7) 有监督学习-决策树
(8) 有监督学习-集成算法概述
(9) 有监督学习-Bagging
(10) 有监督学习-随机森林
(11) 有监督学习-Boosting
(12) 有监督学习-Adaboost
(13) 有监督学习-GBDT
(14) 有监督学习-Xgboost
(15) 无监督学习-聚类算法
(16) 无监督学习 - 关联规则
2、深度学习
(1) 神经网络基础概念
(2) 数据集处理
(3) 网络构建
(4) 正则化
(5) 优化器
(6) 初始化
(7) 参数调节
(8) 深度信念网络
(9) 卷积神经网络
(10) 循环神经网络
3、生成对抗网络
(1)掌握GAN网络的结构和工作原理。
(2)了解GAN模型变种的优化方向。
(3)掌握DCGANs和CycleGAN网络的结构。
(4)解GAN网络的应用。
4、强化学习
(1) 强化学习介绍
(2) 基于值的深度强化学习算法
(3) 基于策略梯度的强化学习算法
5、图网络
(1)了解图网络的基本定义与应用。
(2)掌握图网络的分类,包含图嵌入与图神经网络。
(3)掌握DeepWalk(随机游走)与GNN(门控制单元神经网络)。
(4)掌握GraphSage如何应用到论文分类当中。
第三阶段:技术应用场景
1、视觉处理与识别
(1) 数字图像基础
(2) 图像分类
(3) 目标检测
(4) 图像分割
(5) 视频处理
2、语音识别
(1) 语音处理基础
(2) 语音识别技术
3、自然语言处理
(1)自然语言处理基础
(2) 语言模型
(3) 词向量技术
(4) 概率图模型
(5) 句法分析与语义分析
4、推荐系统
(1)推荐系统基础
( 2)基于内容的推荐
(3) 基于内存的协同过滤
(4) 基于模型的协同过滤
5、知识图谱
(1) 知识图谱基础
(2) 知识抽取
(3) 知识表示
(4) 知识融合
(5) 知识加工
(6) 知识存储