第一、人工智能數學基礎

數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解復雜算法的必備要素。今天的種種人工智能技術歸根到底都建立在數學模型之上。

一、數據分析

1）常數e 2）導數 3）梯度 4）Taylor 5）gini系數

6）信息熵與組合數 7）梯度下降 8）牛頓法

二、概率論

1）微積分與逼近論

2）極限、微分、積分基本概念

3）利用逼近的思想理解微分，利用積分的方式理解概率

4）概率論基礎

5）古典模型

6）常見概率分布

7）大數定理和中心極限定理

8）協(xié)方差(矩陣)和相關系數

9）最大似然估計和最大后驗估計

三、線性代數與矩陣

1）線性空間及線性變換 2）矩陣的基本概念

3）狀態(tài)轉移矩陣 4）特征向量

5）矩陣的相關乘法 6）矩陣的QR分解

7）對稱矩陣、正交矩陣、正定矩陣 8）矩陣的SVD分解

9）矩陣的求導 10）矩陣映射/投影

四、凸優(yōu)化

1）凸優(yōu)化基本概念 2）凸集

3）凸函數?4）凸優(yōu)化問題標準形式

5）凸優(yōu)化之Lagerange對偶化 6）凸優(yōu)化之牛頓法、梯度下降法求解

第二、Python應用?

一、容器

1）列表:list 2）元組:tuple 3）字典: dict

4）數組: Array 5）切片

6）列表推導式 7）淺拷貝和深拷貝

二、函數

1）lambda表達式

2）遞歸函數及尾遞歸優(yōu)化

3）常用內置函數/高階函數

4）項目案例：約瑟夫環(huán)問題

三、常用庫

1）時間庫 2）并發(fā)庫

3）科學計算庫（Numpy）

4）Matplotlib可視化繪圖庫

5）鎖和線程

6）多線程編程

第三、機器學習 （實用）

機器學習人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。

一、機器學習

1）機器學習概述

二、監(jiān)督學習

1）邏輯回歸 2）softmax分類

3）條件隨機場 4）支持向量機svm

5）決策樹?6）隨機森林

7）GBDT 8）集成學習

三、非監(jiān)督學習

1）高斯混合模型?2）聚類

3）PCA 4）密度估計

5）LSI 6）LDA 7）雙聚類

四、數據處理與模型調優(yōu)

1）特征提取 2）數據預處理

3）數據降維 4）模型參數調優(yōu)

5）模型持久化 6）模型可視化

第四、深度學習

人工智能時代已經到來，AlohaGO的擊敗李世石成為了圍棋界的神話，讓許多人震驚不已。那么AlphaGo是怎么產出的呢?它是源自于人工智能的深度學習。

深度學習是一種機器學習的方法，它試圖使用包含復雜結構或由多重非線性變換構成的多個處理層(神經網絡)對數據進行高層抽象的算法。深度學習可以理解為神經網絡的發(fā)展，神經網絡是對人腦或生物神經網絡基本特征進行抽象和建模，可以從外界環(huán)境中學習，并以與生物類似的交互方式適應環(huán)境。

1）TensorFlow基本應用 2）BP神經網絡

3）深度學習概述 4）卷積神經網絡(CNN)

5）圖像分類(vgg,resnet) 6）目標檢測(rcnn,fast-rcnn,faster-rcnn,ssd)

7）遞歸神經網絡(RNN) 8）lstm,bi-lstm,多層LSTM

9）無監(jiān)督學習之AutoEncoder自動編碼器 10）Seq2Seq

11）Seq2Seq with Attension 12）生成對抗網絡

13）irgan 14）finetune及遷移學習

15）孿生網絡 16）小樣本學習

PyTorch深度學習快速入門教程

一、PyTorch環(huán)境的配置及安裝

二、Pycharm、jupyter的安裝

1. Pycharm、2.jupyter

三、Python學習中的兩大法寶函數（help、dir）

四、加載數據（Dataset）

五、TensorBorad的使用

六、Transformer

1.compose、2.toTensor、3.Normalize、4.Resize

七、torchvision中數據集的使用

1.torchvision.datasets

八、dataloader

九、nn.module

十、卷積操作

十一、卷積層

十二、池化層

十三、非線性激活

十四、線性層

十五、Sequential

十六、損失函數和反向傳播

1.損失函數

2.反向傳播及優(yōu)化

十七、現有模型的使用及修改

十八、網絡模型的保存和修改

1.保存、2.讀取

十九、完整的模型訓練套路

二十、利用GPU訓練

二十一、完整的模型驗證套路

第五、自然語言處理（NLP）

語言是人類區(qū)別其他動物的本質特性。在所有生物中，只有人類才具有語言能力。人類的多種智能都與語言有著密切的關系。人類的邏輯思維以語言為形式，人類的絕大部分知識也是以語言文字的形式記載和流傳下來的。因而，它也是人工智能的一個重要，甚至核心部分。

1）詞（分詞，詞性標注）代碼實戰(zhàn)

2）詞（深度學習之詞向量，字向量）代碼實戰(zhàn)

3）詞（深度學習之實體識別和關系抽?。┐a實戰(zhàn)

4）詞（關鍵詞提取，無用詞過濾）代碼實戰(zhàn)

5）句（句法分析，語義分析）代碼實戰(zhàn)

6）句（自然語言理解,一階邏輯）代碼實戰(zhàn)

7）句（深度學習之文本相似度）代碼實戰(zhàn)

第六、圖像處理

圖像處理(image processing)，用計算機對圖像進行分析，以達到所需結果的技術。又稱影像處理?？梢哉f是包括了PS。

圖像處理一般指數字圖像處理。數字圖像是指用工業(yè)相機、攝像機、掃描儀等設備經過拍攝得到的一個大的二維數組，該數組的元素稱為像素，其值稱為灰度值。

圖像處理技術的一般包括圖像壓縮，增強和復原，匹配、描述和識別3個部分。 常見的系統(tǒng)有康耐視系統(tǒng)、圖智能系統(tǒng)等，目前是正在逐漸興起的技術。

一、圖像基礎：圖像讀，寫，保存，畫圖（線，圓，多邊形，添加文字）

二、圖像操作及算數運算：圖像像素讀取，算數運算，ROI區(qū)域提取

三、圖像顏色空間運算：圖像顏色空間相互轉化

四、圖像幾何變換：平移，旋轉，仿射變換，透視變換等

五、圖像形態(tài)學：腐蝕，膨脹，開/閉運算等

六、圖像輪廓：長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等

七、圖像統(tǒng)計學：圖像直方圖

八、圖像濾波：高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等

最后?。。∫陨蟽热莶惶娬?/p>

大家有想要入門進階的人工智能學習資源的可以私聊我哦~

最后祝大家學有所成！蒸蒸日上！

需要以上資料的可以關注微信公眾號：AI技術星球? 回復：211? 領取

100G入門到進階AI資源包+論文指導/TOP大佬帶隊kaggle/就業(yè)指導+技術問題答疑

1、超詳細的人工智能學習路線

2、OpenCV、Pytorch、YOLO等教程（附源碼課件數據）

3、人工智能快速入門視頻教程合集（Python基礎、數學基礎、NLP）附源碼課件數據

4、機器學習算法+深度學習神經網絡基礎教程

5、人工智能必看書籍（花書、西瓜書、蜥蜴書等）

6、上千篇CVPR、ICCV頂會論文

7、人工智能行業(yè)報告?