人工智能学习路线

相关资料下载 

 加助教小姐姐的威信即可免费获取：

第一、人工智能必备数学基础

数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上。 

一、数据分析

1）常数e 2）导数  3）梯度  4）Taylor

5）gini系数 6）信息熵与组合数 7）梯度下降 8）牛顿法

二、概率论

1）微积分与逼近论 2）极限、微分、积分基本概念  3）利用逼近的思想理解微分，利用积分的方式理解概率 4）概率论基础 5）古典模型

6）常见概率分布 7）大数定理和中心极限定理  8）协方差(矩阵)和相关系数  9）最大似然估计和最大后验估计

 三、线性代数及矩阵

1）线性空间及线性变换  2）矩阵的基本概念  3）状态转移矩阵  4）特征向量  5）矩阵的相关乘法

6）矩阵的QR分解  7）对称矩阵、正交矩阵、正定矩阵  8）矩阵的SVD分解  9）矩阵的求导  10）矩阵映射/投影

四、凸优化

1）凸优化基本概念  2）凸集  3）凸函数

4）凸优化问题标准形式  5）凸优化之Lagerange对偶化  6）凸优化之牛顿法、梯度下降法求解

 第二、Python应用

一、容器

1）列表:list 2）元组:tuple 3）字典: dict 4）数组: Array

5）切片 6）列表推导式 7）浅拷贝和深拷贝

 二、函数

1）lambda表达式 2）递归函数及尾递归优化

3）常用内置函数/高阶函数  4）项目案例：约瑟夫环问题

 三、常用库

1）时间库 2）并发库  3）科学计算库（Numpy）

4）Matplotlib可视化绘图库  5）锁和线程 6）多线程编程

数据分析处理库-Pandas、可视化库-Matplotlib、可视化库-Seaborn等学习资料都可找我领取

第三、机器学习 （实用）

机器学习人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 

一、机器学习

1）机器学习概述 

二、监督学习

1）逻辑回归  2）softmax分类  3）条件随机场  4）支持向量机svm

5）决策树  6）随机森林  7）GBDT  8）集成学习

 三、非监督学习

1）高斯混合模型  2）聚类  3）PCA 4）密度估计

5）LSI  6）LDA  7）双聚类

 四、数据处理与模型调优

1）特征提取 2）数据预处理 3）数据降维

4）模型参数调优 5）模型持久化 6）模型可视化

推荐文章：机器学习算法 ，小编有全套机器学习视频资料的呀

 第四、深度学习

人工智能时代已经到来，AlohaGO的击败李世石成为了围棋界的神话，让许多人震惊不已。那么AlphaGo是怎么产出的呢?它是源自于人工智能的深度学习。

 深度学习是一种机器学习的方法，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法。深度学习可以理解为神经网络的发展，神经网络是对人脑或生物神经网络基本特征进行抽象和建模，可以从外界环境中学习，并以与生物类似的交互方式适应环境。 

 1）TensorFlow基本应用 
2）BP神经网络
3）深度学习概述
4）卷积神经网络(CNN) 
5）图像分类(vgg,resnet)
6）目标检测(rcnn,fast-rcnn,faster-rcnn,ssd)
7）递归神经网络(RNN)
8）lstm,bi-lstm,多层LSTM

9）无监督学习之AutoEncoder自动编码器
10）Seq2Seq
11）Seq2Seq with Attension
12）生成对抗网络
13）irgan
14）finetune及迁移学习
15）孪生网络
16）小样本学习

第五、自然语言处理（NLP）

语言是人类区别其他动物的本质特性。在所有生物中，只有人类才具有语言能力。人类的多种智能都与语言有着密切的关系。人类的逻辑思维以语言为形式，人类的绝大部分知识也是以语言文字的形式记载和流传下来的。因而，它也是人工智能的一个重要，甚至核心部分。 

1）词（分词，词性标注）代码实战 
2）词（深度学习之词向量，字向量）代码实战 
3）词（深度学习之实体识别和关系抽取）代码实战 
4）词（关键词提取，无用词过滤）代码实战

5）句（句法分析，语义分析）代码实战
6）句（自然语言理解,一阶逻辑）代码实战
7）句（深度学习之文本相似度）代码实战

第六、图像处理

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。可以说是包括了PS。

图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。

图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术。
 

 一、图像基础：图像读，写，保存，画图（线，圆，多边形，添加文字）

二、图像操作及算数运算：图像像素读取，算数运算，ROI区域提取

三、图像颜色空间运算：图像颜色空间相互转化

四、图像几何变换：平移，旋转，仿射变换，透视变换等

五、图像形态学：腐蚀，膨胀，开/闭运算等

六、图像轮廓：长宽，面积，周长，外接圆，方向，平均颜色，层次轮廓等

七、图像统计学：图像直方图

八、图像滤波：高斯滤波，均值滤波，双边滤波，拉普拉斯滤波等

---

 小编吐血整理了有关Python人工智能的资料，有图像处理opencv\自然语言处理、机器学习、数学基础等资源库，代码、PPT、书籍也有，想学习人工智能或者转行到高薪资行业的，大学生也非常实用，无任何套路免费提供~

扫码+vx领取，也可以咨询学习问题