人工智能
(Artificial Intelligence)
☆
前导课程
☆
Python
数字和字符、函数,安装和条件语句、数据结构和循环、文件和模块、数据抓取案例
线性代数(针对机器学习内容)
微积分(针对机器学习内容)
统计和概率(针对机器学习内容)
☆
中级必修课程
☆
数据分析
分析流程:
1、数据采集
2、数据预处理
3、建模
4、优化和 调试
Numpy&Pandas
调查数据集
☆
中级选修
☆
自动化:
1、工程检测 2、机器视觉 3、异常预测等
计算机视觉:
1、图像识别分类 2、目标追踪、 3、使用OpenCv等
语音识别:
1、声学模型 2、Deep Neural Networks 3、Hidden Markov Model等
自动驾驶:
1、检测对象 2、物体识别分类 3 、物体定位 4 、运动预测
☆
高级必修课程
☆
机器学习
监督学习:
Regression 回归
1、线性回归 2、多项线性回归 3、支持向量回归 4、决策树回归
5、随机森林回归
Classification 分类
1、k-近邻算法 2、支持向量机 3、内核支持向量机 4、朴素贝叶斯
5、决策树 6、逻辑回归 7、随机森林分类 8、Adaboost
无监督式学习:
聚类(k-均值聚类、分层聚类)
关联分析(算法、增长算法)
降维(主要成分分析、内核主要成分分析、奇异值分解)
隐马尔可夫模型
强化学习:
马尔可夫决策过程、动态编程、蒙特卡罗方法、时间差分学习
深度学习:
神经网络、人工神经网络、卷积神经网络、循环神经网络
课程大纲