人工智能课程体系及项目实战

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

人工智能课程体系及

项目实战

人工智能课程体系及项目实战1、机器学习课程大纲

第一课:Python基础与科学计算库numpy 1.Python语言基础

2.Python数据结构(列表,字典,元组)

3.科学计算库Numpy基础

4.Numpy数组操作

5.Numpy矩阵基本操作

6.Numpy矩阵初始化与创建

7.Numpy排序与索引

第二课:数据分析处理库与数据可视化库

1.Pandas数据读取与现实

2.Pandas样本数值计算与排序

3.Pandas数据预处理与透视表

4.Pandas自定义函数

5.Pandas核心数据结构Series详解

6.Pandas数据索引

7. Matplotlib绘制第一个折线图

8. Matplotlib条形图,直方图,四分图绘制

9. Matplotlib数据可视化分析

第三课:回归算法

1.机器学习要解决的任务

2.有监督与无监督问题

3.线性回归算法原理推导

4.实现简易回归算法

5.逻辑回归算法原题

6.实战梯度下降算法

第四课:案例实战信用卡欺诈检测

1.数据与算法简介

2.样本不平衡问题解决思路

3.下采样解决方案

4.正则化参数选择

5.逻辑回归建模

6.过采样与SMOTE算法

第五课:决策树与随机森林

1.熵原理,信息增益

2.决策树构造原理推导

3.ID3,C

4.5算法

4.决策树剪枝策略

5.随机森林算法原理

6.基于随机森林的特征重要性选择

第六课:Kaggle机器学习案例实战

1.泰坦尼克船员获救预测

2.使用pandas库进行数据读取与缺失值预处理

3.使用scikit-learn库对比回归模型与随机森林模型

4.GBDT构造原理

5.特征的选择与重要性衡量指标

6.机器学习中的级联模型

7.使用级联模型再战泰坦尼克第七课:支持向量机算法

1.SVM要解决的问题

2.线性SVM原理推导

3.SVM对偶问题与核变换

4.soft支持向量机问题

5.多类别分类问题解决方案

第八课:神经网络模型

1.前向传播与反向传播结构

2.激活函数

3.神经网络结构

4.深入神经网络细节

5.神经网络表现效果

第九课:mnist手写字体识别

1.Tensorflow框架

N网络结构

3.基于tensorflow的网络框架

4.构造CNN网络结构

5.迭代优化训练

第十课:聚类与集成算法

1.k-means,DBSCAN等经典聚类算法原理

2.python实现k-means算法

3.聚类算法应用场景与特征工程

4.Adaboost集成算法原理

机器学习项目实战

1.科比职业生涯数据分析

2.信用卡欺诈检测案例

3.鸢尾花数据集分析

4.泰坦尼克号船员获救预测

5.员工离职预测

6.mnist手写字体识别

2、人机对话课程大纲

第一章:Human–robot-chattersystem运行环境

1.pycharm下载及安装

2.pycharm的库使用介绍

3.pycharm使用实例演示

4.Anaconda下载安装

5.Anaconda 库使用

6.Anaconda使用实例演示

第二章:robot基本概念

1.robot是什么

2.robot的应用场景

3.robot语言依赖性

4.robot工作流程

5.robot运行环境

6.robot框架介绍

7. robot的安装(api与源码)

8. robot的quickstart

第三章:robot智能机器人

1.创建机器人

2.设置机器人适配器

3.输入与输出适配器

4.逻辑适配器

5.机器人响应应答

6.训练自己的语料

第四章:robot之eample数据源详述(单词与文本)

1.simple demo数据

2.mongodb数据

3.git数据

4.terminnal

5.more数据

第五章:设置robot训练级别

1.训练list data

2.训练corpus data

3.训练scope data

4.训练外部API

5.创建一个新的语料级别

6.抽取自己机器人的语料

第六章:robot之过滤器

1.filter是什么

2.filter的主要用途是什么

3.filter的创建

4.filter的设置

5.filter级别设置

6.filter判别

第七章:自然语言处理之robot 适配器详解

1.逻辑适配器

2.输入适配器

3.输出适配器

4.数据计算适配器

第八章自然语言处理之robot参数

1.什么robot参数

2.扩展机器人参数

3.robot日志输出

4.robot惯用日志输出

第九章:session识别详解

1.session 构建

相关文档
最新文档