人工智能与机器学习目录

以《机器学习》、《深度学习》两本书为基本
辅以CS231n和CS224n的视频课
使用python3.7 + pycharm + pytorch + TensorFlow 来编程实现代码
同时进行CV和NLP两个方向的论文学习
最后进行几个实际的项目的实战

基础部分

1、Anaconda搭建人工智能与深度学习平台
2、Python基础
  Python基础①：基础语法元素
  Python基础②：基本数据类型
  Python基础③：组合数据类型
  Python基础④：程序控制结构
  Python基础⑤：函数
  Python基础⑥：类和对象
  Python基础⑦：文件读写、模块、包和库
  Python基础⑧：异常处理
  Python基础⑨：标准库
  Python基础⑩：numpy库
3、PyTorch基础
4、数学基础

算法部分

说在前面！一定要看啊，节省时间！
1、监督算法
  线性模型
  逻辑回归
  决策树
  支持向量机
  贝叶斯分类
  K近邻
  集成学习——随机森林
  集成学习——Adaboost
  集成学习——GDBT
  深度学习与神经网络
2、半监督算法
  概率图模型
  半监督支持向量机
3、无监督算法
  K-Means聚类
  降维与PCA主成分分析
  无监督的神经网络GAN
4、强化学习
  蒙特卡罗树
  Q-Learning

领域应用

CS231n课程——图像领域
CS224n课程——自然语言领域

项目实战

自动编曲
人脸检测识别
图片生成文字