![](https://i-blog.csdnimg.cn/direct/6c38ec426fa24726b2e736d1b74414d9.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能算法工程师(中级)课程
文章平均质量分 93
本专栏是《人工智能算法工程师(中级)》职业能力课程。课程适合有一定编程基础和数学基础的人员,适合人工智能相关从业人员、应往届计算机相关毕业生。内容具有一定深度,需要具备一定的人工智能基础知识。内容包括了opencv视觉处理、SK-Learn机器学习、PyTorch、神经网络、RNN、模型训练部署等。
微学AI
人工智能高级研发者,名校硕士学历毕业,拥有10项AI领域发明专利,主攻深度学习实战案例、机器学习实战案例、大模型实战项目,研究方向包括:深度学习应用技巧,Pytorch搭建模型,机器学习经典模型,计算机视觉,自然语言处理,知识图谱,大模型实战(包括:ChatGLM、通义千问、百川、LLaMA、书生等开源模型的微调技巧、Qlora微调、提示词工程、思维链、RAG技术、LangChain框架、智能体应用项目、大模型私有化部署)。项目主要运用于医疗健康、政府文档、教育、金融、生物学、物理学、企业管理等领域。
展开
-
人工智能算法工程师(中级)课程14-神经网络的优化与设计之拟合问题及优化与代码详解
在机器学习领域,拟合问题是指通过训练数据找到最佳模型参数,使得模型在未知数据上的表现尽可能好。拟合问题主要包括欠拟合和过拟合两种现象。原创 2024-07-15 16:15:55 · 600 阅读 · 0 评论 -
人工智能算法工程师(中级)课程13-神经网络的优化与设计之梯度问题及优化与代码详解
本文详细介绍了梯度问题及优化策略,包括梯度爆炸、梯度消失、学习率调整、参数初始化、激活函数选择、Batch Norm、Layer Norm和梯度裁剪。通过PyTorch代码实现,展示了如何在实际应用中解决梯度问题。希望本文对您在深度学习领域的研究和实践有所帮助。原创 2024-07-15 15:36:57 · 214 阅读 · 0 评论 -
人工智能算法工程师(中级)课程12-PyTorch神经网络之LSTM和GRU网络与代码详解1
本文详细介绍了LSTM和GRU网络的原理、运行过程、区别及应用场景,并通过PyTorch实现了这两个网络。在实际应用中,可以根据任务需求和计算资源选择合适的网络结构。LSTM和GRU网络在处理长序列数据方面具有显著优势,广泛应用于自然语言处理、语音识别和时间序列预测等领域。希望本文能帮助读者更好地理解和应用这两种强大的循环神经网络。原创 2024-07-15 15:30:05 · 303 阅读 · 0 评论 -
人工智能算法工程师(中级)课程11-PyTorch神经网络之循环神经网络RNN与代码详解
本文详细介绍了循环神经网络(RNN)的原理、运行过程、类别、参数计算和应用场景,并通过PyTorch框架给出了一个完整的RNN模型实现。通过本文,读者可以了解到RNN在处理序列数据方面的优势,以及如何在实际应用中使用RNN。需要注意的是,实际应用中通常会使用PyTorch提供的内置RNN模块,如nn.RNNnn.LSTM和nn.GRU,这些模块提供了更高效、更灵活的实现。原创 2024-07-12 14:08:35 · 994 阅读 · 0 评论 -
人工智能算法工程师(中级)课程10-PyTorch神经网络之卷积神经网络与代码详解
本文详细介绍了卷积神经网络的原理、构成元素、运行过程、感受野计算、参数和运算量、常见卷积类型以及池化应用,并附上了相应的代码实现。卷积神经网络作为一种强大的深度学习模型,在图像处理领域具有广泛的应用。希望本文能帮助读者更好地理解和应用卷积神经网络。原创 2024-07-11 17:25:32 · 1037 阅读 · 0 评论 -
人工智能算法工程师(中级)课程9-PyTorch神经网络之全连接神经网络实战与代码详解
本篇文章从全连接神经网络的基本原理出发,介绍了全连接模型的设计、参数计算以及如何实现手写数字识别和猫狗识别。通过配套的完整可运行代码,读者可以更好地理解全连接神经网络的实现过程。在实际应用中,全连接神经网络虽然已被卷积神经网络(CNN)等更先进的网络结构所取代,但其基本原理仍然是深度学习领域的重要基石。希望本文能帮助读者深入掌握全连接神经网络,并为后续学习打下坚实的基础。原创 2024-07-11 15:58:51 · 912 阅读 · 0 评论 -
人工智能算法工程师(中级)课程8-PyTorch神经网络之神经网络基础与代码详解
本文我们实现了一个简单的神经网络,包括前向传播、反向传播、梯度下降和评估过程。这个网络虽然简单,但是它展示了神经网络的基本原理和实现方法。在实际应用中,神经网络的结构会更加复杂,涉及更多的层和节点,以及更高级的优化算法和正则化技术。此外,现代深度学习框架(如TensorFlow和PyTorch)提供了更高效的实现和自动微分功能,使得神经网络的构建和训练更加便捷。原创 2024-07-11 08:36:20 · 710 阅读 · 0 评论 -
人工智能算法工程师(中级)课程7-PyTorch神经网络之深度学习框架与代码详解
大家好,我是微学AI,今天给大家介绍一下人工智能算法工程师(中级)课程7-PyTorch神经网络之深度学习框架与代码详解。深度学习作为人工智能领域的重要分支,已经在图像识别、自然语言处理、推荐系统等多个领域取得了显著成果。而PyTorch作为一个开源的深度学习框架,凭借其易用性、动态计算图和高灵活性,受到了广大研究者和开发者的喜爱。本文将详细介绍PyTorch的基本操作,包括Tensor的创建、形状和类型、梯度设置、运算,以及数据的读取和GPU的使用,并附上完整可运行的代码。原创 2024-07-11 08:31:49 · 707 阅读 · 0 评论 -
人工智能算法工程师(中级)课程6-sklearn机器学习之聚类问题与代码详解
本篇文章详细介绍了sklearn中三种常见的聚类算法:K-Means、DBSCAN和层次聚类。通过数学原理、公式及代码实现,帮助读者更好地理解和应用这些算法。在实际应用中,根据数据特点选择合适的聚类算法至关重要。希望本文对您有所帮助!原创 2024-07-10 14:51:46 · 1061 阅读 · 0 评论 -
人工智能算法工程师(中级)课程5-sklearn机器学习之分类问题与代码详解
在本文中,我主要是使用sklearn库来解决机器学习中的分类问题。并详细讨论了SVM-SVC模型、决策树、KD树和KNN模型,并提供了每个模型的数学原理、公式和完整的可运行代码示例。这些模型在解决实际问题时各有优势,可以根据具体问题和数据集的特点来选择合适的模型。通过本文的学习,读者应该能够更好地理解这些分类模型,并能够将它们应用于实际问题中。原创 2024-07-10 14:47:37 · 987 阅读 · 0 评论 -
人工智能算法工程师(中级)课程4-sklearn机器学习之回归问题与代码详解
大家好,我是微学AI,今天给大家介绍一下人工智能中级课程4-sklearn机器学习之回归问题与代码详解。回归分析是统计学和机器学习中的一种重要方法,用于研究因变量和自变量之间的关系。在机器学习中,回归算法被广泛应用于预测分析、趋势分析等领域。原创 2024-07-10 14:40:22 · 697 阅读 · 0 评论 -
人工智能算法工程师(中级)课程3-sklearn机器学习之数据处理与代码详解
Sklearn是一个基于Python的开源机器学习库,它提供了一系列简单有效的数据挖掘和数据分析工具。简单易用:Sklearn提供了简洁的API,使得用户可以轻松实现各种机器学习算法。功能丰富:Sklearn包含了大量的机器学习算法,如分类、回归、聚类、降维等。良好的文档和社区支持:Sklearn拥有详细的文档和活跃的社区,方便用户学习和解决问题。广泛的适用性:Sklearn可以与NumPy、Pandas、Matplotlib等Python库无缝集成,适用于各种机器学习任务。原创 2024-07-10 14:32:33 · 840 阅读 · 0 评论 -
人工智能算法工程师(中级)课程2-Opencv视觉处理之高级操作与代码详解
大家好,我是微学AI,今天给大家介绍一下人工智能算法工程师(中级)课程2-Opencv视觉处理之高级操作。在上一节课中的OpenCV基础操作我们了解到OpenCV是一个开源的计算机视觉软件库。它提供了各种视觉处理函数,并支持多种编程语言,如C++、Python、Java等。OpenCV具有跨平台性,可以在不同的操作系统上运行。它广泛应用于图像处理、视频分析、物体识别、人脸识别、动作识别等领域。原创 2024-07-09 12:36:16 · 1201 阅读 · 0 评论 -
人工智能算法工程师(中级)课程1-Opencv视觉处理之基本操作与代码详解
大家好,我是微学AI,今天给大家介绍一下人工智能中级课程1-Opencv视觉处理之基本操作。OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。它提供了各种视觉处理函数,并支持多种编程语言,如C++、Python、Java等。OpenCV具有跨平台性,可以在不同的操作系统上运行。它广泛应用于图像处理、视频分析、物体识别、人脸识别、动作识别等领域。原创 2024-07-09 11:50:51 · 429 阅读 · 0 评论