首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

2018人工智能机器学习项目实战高清视频教程 全网独家十三大项目实战

课程介绍:

本套教程是2018人工智能实战项目的专题课程,通过多个案例的实战讲解,在实战过程中让大家对人工智能有更清晰的认识和提高,包括目前最火的人脸识别项目,推荐系统,聊天机器人,监控系统等项目都有包含,课程高清完整,课件代码齐全,共7套人工智能方面的实战项目,分别为,:人脸识别项目、人工智能游戏项目、机器学习实战项目、广告平台项目、聊天机器人项目、车辆监控系统项目、推荐系统项目,单独购买可添加微信:agandjs

资料介绍:

人工智能已成为近年来最火爆的技术,但大多课程都是讲一些算法基础的内容,对于项目实战的课程少之又少,学习资料非常稀缺,为了让大家能从实战的方向学习人工智能技术,我们准备了独家的人工智能实战七套完整的高清视频教程,内容相当全面,资料代码齐全,而且我们会持续关注更新长期回馈新老客户,特别适合对人工智能新技术感兴趣的朋友学习。

课程目录:

项目一:人脸识别与分析系统实战

课时:13 时长:24小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2018

课程介绍:

本套教程主要是人脸识别与分析的项目课程,资料包含:理论课、实战课、答疑课、源码、课件,主要内容包含:人工智能技术介绍、市场需求、技术框架,深度学习,算法应用,监督学习,非监督学习,增强学习,K-means clustering, K-NN, SVM,Regression,python基础,pyhon大数据,逻辑回归和软回归的编程实现, 使用python sklearn 实现 linear regression,Softmax Regression 和 Vectorization 讲解,使用 python sklearn 实现 Softmax,模型训练、测试,Caffe,Tensorflow, Keras 介绍,Torch 与 lua 编程,深度学习网络结构,组件和功能单元,人脸识别系统的体系结构,人脸关键点定位,整合视频输入,人脸检测,人脸识别。"

项目二:Uber车辆监控系统项目实战

课时:12 时长:23小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2017

课程介绍:

本套教程主要是Uber车辆监控系统的项目实战课程,资料包含:理论课、实战课、答疑课、课件、源码、资料,学习重点:用Java和Spring来实现车辆监控系统:模拟车辆实时位置及状态信息,对车辆位置和状态进行实时监控和数据展示,课程将着重帮助学员提升应用能力和拓展能力。在本课程中所学习到的知识和技能也可以运用到其它的应用中,例如Waze中加入社交功能,实时运动信息监控分享,航空监控及管制。拓展能力是指,在已有项目的基础上,我们将指导学员加入新的功能:例如将车辆位置模拟器替换成为手机端APP,从而实时获取GPS位置信息,可以进行车辆以及交通流量监控;根据车辆不同的状态,来进行维修调度和分配;加入乘客请求信息,包括请求地址,目的地等,实时在地图上进行展示等。

项目三:搜索广告平台项目实战

课时:12 时长:20小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2017

课程介绍:

本套课程不仅涵盖了搜索广告相关的重要数据结构, 算法,业务流程,而且会手把手指导同学们实现电商数据爬虫,电商广告服务器,并用时下最热门的Spark进行大数据处理以及Spark MLlib实现搜索广告相关的算法。

无论你之前对搜索广告了解多少,通过此次课程,你都能对搜索广告核心流程及算法有深入的理解,并且可以让同学们有机会积累大数据处理,机器学习算法,网络服务等实战经验。

主要内容包含:

1. 搜索广告平台基本流程,数据结构。通过对业务流程,数据结构的详细介绍,首先让同学们对搜索广告的实现原理有基本的了解。随后会指导同学们实现电商数据爬虫,模拟搜索日志数据的生成。此外,老司机还会带领大家配置开发环境,包括:Java,MemCache, MySQL, Spark。这节课结束后,我们后续项目需要的背景知识,数据,开发环境都将准备就绪。

2. 信息检索在广告中的应用。这节课我们会用Java实现广告的业务流程,包括:用户查询的预处理,基于MemCache建立广告关键字倒排表, 用倒排表选择广告, 计算相关度并排序。这节课结束后我们将实现一个基本的搜索广告服务器 v1.0。

3. 核心算法-Query Understanding。这节课我们会展示上一版本的缺陷并通过实现Query Understanding来克服这个缺陷。我们会用Spark MLlib里的Word2Vector model实现query rewrite, 用Spark Map Reduce处理第一节课准备的数据,提取特征,随后应用到算法中。这节课结束后,我们将实现搜索广告服务器 v2.0:用extended query查询广告索引,比较返回广告的广度变化。

4.广告核心算法-排序,定价,位置分配。首先我们将讲解广告排序算法公式,随后引入pClick(点击概率),relevance(相关度)的概念。最后我们会用Spark MLlib 预测pClick和广告相关度并应用到排序算法中。广告商花多少钱,在哪里显示广告?答案会在广告定价算法和位置分配算法中找到。这节课结束后,我们将实现搜索广告服务器 v3.0:优化排序算法,返回相关度更高的广告,实现广告定价和位置分配。

项目四.人工智能机器学习项目纯实战

课时:9时长:16小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2017

课程介绍:

本套教程是人工智能机器学习纯实战的高清视频教程,资料包含:视频教程、讲义、代码、数据、竞赛,主要内容包含:音乐推荐系统、神经网络实现机器翻译、基于pytorch的风格转换、文本主题与分类、金融反欺诈模型、电商点击率预估、视觉聊天机器。"

项目五.人工智能游戏项目实战

课时:9时长:3小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2018

课程介绍:

本套教程主要是利用人工智能算法来实现游戏自动程序,资料包含:视频教程、源码、课件、主要内容包含:增强学习、马尔可夫决策过程、Q矩阵与Q函数、更新与使用、FlappyBird数学建模、环境搭建、参数配置、wafty Man、相对运动原理、代码实战"

项目六.人工智能聊天机器人项目实战

课时:5时长:3小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2018

课程介绍:

本套教程主要微信自动聊天机器人的项目实战课程,资料包含:视频教程、课件、源码,学习重点:聊天机器人问答机制、自然语言处理、语音合成和识别、语义和情感分析、视频识别和处理、问答机制应用。"

项目七:深度学习推荐系统项目实战

课时:12时长:21小时 清晰度:1080P 配套资料:代码 讲义 录制时间:2017

课程介绍:

本套课程是基于tensorflow的讲解演练的推荐体统项目实战课程,从安装到神经网络算法的讲解实操,资料包含:视频教程、课件、源码,软件,学习重点:tensorflow安装,非线性划分,BP算法,Linear线性回归案例,手写数字(mnist),CNN卷积神经网络,CNN案例操作,RNN循环神经网络,机器学习部署,推荐系统,邻近算法,邻近推荐,协同过滤,SVD矩阵分解,关联规则,python-recsys,数据挖掘,关联规则算法."

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181120A0ZY1A00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券