人工智能技術(shù)實操培訓(xùn)班解決方案

20-50K/月 上不封頂

應(yīng)屆畢業(yè)生

9K/月

10 年以上優(yōu)質(zhì)人才

薪酬比后端開發(fā)翻了近一番

2000 人以上大公司

25.2K/月

聲音認知人工智能

2016年的20.5K/月，2017年的27.6K/月

1.Python基礎(chǔ)介紹、python版本差異介紹與環(huán)境搭建

2.Python語法基礎(chǔ)與數(shù)據(jù)類型

3.Python序列(字符串、列表、元組)操作

4.Python語句、賦值、表達式、if條件語句、while語句，for語句

5.Python面向?qū)ο蟆⒑瘮?shù)、模塊、類

6.運算符重載、類的設(shè)計、異常

7.Python文件操作、JSON、XML、線程、時間和日歷

8.正則表達式、爬蟲、Python網(wǎng)絡(luò)編程

9.Python圖片處理框架：SciPy，Matplotlib、PIL、OpenCV2

10.科學(xué)計算框架：Pandas、Numpy 服務(wù)器框架：Flask

微積分基礎(chǔ)

1.極限

2.求導(dǎo)（導(dǎo)數(shù)的幾何意義，鏈?zhǔn)角髮?dǎo)法則）

3.求最小最大值

4.泰勒級數(shù)

5.積分的意義

線性代數(shù)

1.什么是線性代數(shù)

2.矩陣與矩陣的變換

3.矩陣的逆

4.特征值與特征函數(shù)

5.相似變換

概率統(tǒng)計（一）

1.概率基礎(chǔ)（經(jīng)典概率、條件概率、加法規(guī)則、乘法法則）

2.貝葉斯公式

概率統(tǒng)計（二）

1.概率分布（高斯分布等）

2.參數(shù)估計（最大似然法）

3.信息論基礎(chǔ)

1.numpy

2.pandas

3.matplotlib

4.OpenCV（基礎(chǔ)部分）

Tensorflow(一）

1.安裝

2.圖概念

3.語法基礎(chǔ)

Tensorflow（二）

1.多GPU，多機器

2.并行化

3.其他開源機器學(xué)習(xí)框架

1.什么是機器學(xué)習(xí)

2.線性回歸與邏輯斯蒂回歸

3.最小二乘法

4.梯度下降法

5.樣本相關(guān)知識

6.效果衡量指標(biāo)

深度學(xué)習(xí)基礎(chǔ)（二）

1.感知機

2.MLP網(wǎng)絡(luò)和BP算法

3.深度學(xué)習(xí)基礎(chǔ)

4.稀疏自編碼

5.實戰(zhàn)：a. 圖像壓縮、b.MINST數(shù)字分類

卷積神經(jīng)網(wǎng)絡(luò)（一）

1.基本運算（卷積、池化、RELU等）

2.卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.深度剖析CNN網(wǎng)絡(luò)優(yōu)于MLP網(wǎng)絡(luò)的原因

4.實戰(zhàn)：a. 圖像分類

卷積神經(jīng)網(wǎng)絡(luò)（二）

1.常見的CNN網(wǎng)絡(luò)（AlexNet、Vgg、Resnet、Interception等）

2.遷移學(xué)習(xí)

3.實戰(zhàn)

循環(huán)神經(jīng)網(wǎng)絡(luò)（一）

1.RNN網(wǎng)絡(luò)

2.LSTM和GRU網(wǎng)絡(luò)

3.雙向循環(huán)神經(jīng)網(wǎng)絡(luò)

4.實戰(zhàn)

循環(huán)神經(jīng)網(wǎng)絡(luò)（二）

1.Seq2Seq

2.注意力模型

3.詞嵌入模型

4.實戰(zhàn)

生成式對抗神經(jīng)網(wǎng)絡(luò)（一）

1.對抗學(xué)習(xí)基礎(chǔ)

2.DCGAN

3.WGAN

4.條件GAN

5.InfoGAN

6.實戰(zhàn)

深度強化學(xué)習(xí)（一）

1.強化學(xué)習(xí)基礎(chǔ)

2.深度強化學(xué)習(xí)

3.實戰(zhàn)

深度強化學(xué)習(xí)（二）

1.A3C算法

2.AlphaGo算法分析

3.實戰(zhàn)