想知道怎么学人工智能嘛？都在这里！

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