《【编程AI算法百度网盘61.9GB】百战程序员：AI算法工程师就业班2022年新课》共：61.9GB,本站VIP会员可通过百度网盘转存下载,该资源由会员“给我三分之一阳光”收集整理
课程大纲
├──1--人工智能基础-快速入门
| ├──1--人工智能就业、薪资、各行业应用
| └──2--机器学习和深度学习、有监督和无监督
├──10--机器学习与大数据-Kaggle竞赛实战
| ├──1--药店销量预测案例
| └──2--网页分类案例
├──11--机器学习与大数据-海量数据挖掘工具
| ├──1--Spark计算框架基础
| ├──2--Spark计算框架深入
| └──3--Spark机器学习MLlib和ML模块
├──12--机器学习与大数据-推荐系统项目实战
| ├──1--推荐系统--流程与架构
| ├──2--推荐系统--数据预处理和模型构建评估实战
| └──3--推荐系统--模型使用和推荐服务
├──13--深度学习-原理和进阶
| ├──1--神经网络算法
| ├──2--TensorFlow深度学习工具
| └──3--反向传播推导_Python代码实现神经网络
├──14--深度学习-图像识别原理
| ├──1--卷积神经网络原理
| ├──2--卷积神经网络优化
| ├──3--经典卷积网络算法
| ├──4--古典目标检测
| └──5--现代目标检测之FasterRCNN
├──15--深度学习-图像识别项目实战
| ├──1--车牌识别
| ├──2--自然场景下的目标检测及源码分析
| └──3--图像风格迁移
├──16--深度学习-目标检测YOLO(V1-V4全版本)实战
| ├──1--YOLOv1详解
| ├──2--YOLOv2详解
| ├──3--YOLOv3详解
| ├──4--YOLOv3代码实战
| └──5--YOLOv4详解
├──17--深度学习-语义分割原理和实战
| ├──1--上采样_双线性插值_转置卷积
| ├──2--医疗图像UNet语义分割
| └──3--蒙版弹幕MaskRCNN语义分割
├──18--深度学习-人脸识别项目实战
├──19--深度学习-NLP自然语言处理原理和进阶
| ├──1--词向量与词嵌入
| ├──2--循环神经网络原理与优化
| ├──3--从Attention机制到Transformer
| └──4--ELMO_BERT_GPT
├──2--人工智能基础-Python基础
| ├──1--Python开发环境搭建
| └──2--Python基础语法
├──20--深度学习-NLP自然语言处理项目实战
| ├──1--词向量
| ├──2--自然语言处理--情感分析
| ├──3--AI写唐诗
| ├──4--Seq2Seq聊天机器人
| ├──5--实战NER命名实体识别项目
| ├──6--BERT新浪新闻10分类项目
| └──7--GPT2聊天机器人
├──21--深度学习-OCR文本识别
├──24--【加课】Pytorch项目实战
| ├──1--PyTorch运行环境安装_运行环境测试
| ├──2--PyTorch基础_Tensor张量运算
| ├──3--PyTorch卷积神经网络_实战CIFAR10
| ├──4--PyTorch循环神经网络_词性标注
| └──5--PyTorch编码器解码器_机器翻译
├──25--【加课】百度飞桨PaddlePaddle实战【新增】
| ├──1--PaddlePaddle框架安装_波士顿房价预测
| ├──2--PaddlePaddle卷积网络_病理性近视识别
| ├──3--PaddleDetection工具_PCB电路板缺陷检测
| ├──4--PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
| ├──5--PaddleNLP模块_物流信息提取（BiGRU+CRF）
| └──6--PaddleNLP模块_物流信息提取（ERNIE版）
├──26--【加课】Linux 环境编程基础
| └──1--Linux
├──27--【加课】算法与数据结构
| └──1--算法与数据结构
├──3--人工智能基础-Python科学计算和可视化
| ├──1--科学计算模型Numpy
| ├──2--数据可视化模块
| └──3--数据处理分析模块Pandas
├──31--【加课】 强化学习【新增】
| ├──1--Q-Learning与SARSA算法
| ├──2--Deep Q-Learning Network
| ├──3--Policy Gradient 策略梯度
| ├──4--Actor Critic (A3C)
| └──5--DDPG、PPO、DPPO算法
├──4--人工智能基础-高等数学知识强化
| ├──1--数学内容概述
| ├──2--一元函数微分学
| ├──3--线性代数基础
| ├──4--多元函数微分学
| ├──5--线性代数高级
| ├──6--概率论
| └──7--最优化
├──5--机器学习-线性回归
| ├──1--多元线性回归
| ├──2--梯度下降法
| ├──3--归一化
| ├──4--正则化
| └──5--Lasso回归_Ridge回归_多项式回归
├──6--机器学习-线性分类
| ├──1--逻辑回归
| ├──2--Softmax回归
| ├──3--SVM支持向量机算法
| └──4--SMO优化算法
├──7--机器学习-无监督学习
| ├──1--聚类系列算法
| ├──2--EM算法和GMM高斯混合模型
| └──3--PCA降维算法
├──8--机器学习-决策树系列
| ├──1--决策树
| ├──2--集成学习和随机森林
| ├──3--GBDT
| └──4--XGBoost
├──9--机器学习-概率图模型
| ├──1--贝叶斯分类
| ├──2--HMM算法
| └──3--CRF算法
└──课件
