AI 人工智能集訓營

微積分課件 1.1 可以量化的世界 1.2 問題的起源 1.3 無窮的力量 1.4 以少為美 1.5 局部與整體 作業

線性代數課件 2.1 現實世界的想象 2.2 空間語言與立體感知：向量與矩陣 2.3 追本溯源：問題與逆問題 2.4 穩定很重要：矩陣的特征 2.5 與機器溝通：計算機中的線性代數計算 作業

概率論與數理統計課件 3.1 概率的意義 3.2 抽象的現實：概率的分布與應用 3.3 第一印象：描述性統計 3.4 拒絕主觀：假設與檢驗 3.5 可以量化的差異：方差分析 3.6 統計也會犯錯誤 作業

課件數據 1.1 Windows 系統下 My SQL 5.7安裝教程 1.2 序章

2.1 數據庫操作 2.2 數據表操作 2.3 數據類型 2.4 約束條件 2.5 填充數據 2.6 修改數據表 選修：workbench界面導數方法介紹

3.1基本查詢語句 3.2 查詢操作符與子查詢 3.3 函數

4.1 查詢練習 作業 選修：MySQL常見問題解答 第二周直播7月18日

課件 1.1 主流數據庫的簡介 1.2 MongoDB的安裝、配置與啟動 1.3 MongoDB命令行操作之數據庫、集合 1.4 MongoDB基本操作之增刪改 1.5 MongoDB命令行操作之查詢 1.6 MongDB快速查詢之索引

課件 1.1 MongoDB的備份與恢復 1.2 MongoDB的導入與導出 1.3 MongoDB主從復制 1.4 MongoDB副本集 1.5 MongoDB_End 作業

課件 1.1 Python的安裝配置與基本使用 1.2 Python基礎與規范 1.3 Python數據類型之數字與字符串 1.4 Python數據類型之列表、元組、字典與集合 1.5 Python條件、循環語句 1.6 Python函數(上) 1.7 Python函數(下) 作業

課件 1.1 Python 生成器 1.2 Python 類與對象 1.3 Python 庫與模塊 1.4 Python 文件的讀寫 1.5 Python 錯誤與異常 作業 第四周8月1日直播

課件和數據 1.1 為什么要數據清洗

1.1 Numpy數組的基礎與創建 1.2 Numpy 數組的索引與切片 1.3 數組的變形、切分組合與廣播 1.4 Numpy 函數 1.5 Numpy 矩陣-線性代數-文件

1.1 Pandas的數據結構 1.2 Pandas數據讀寫、探索與索引 1.3 Pandas隨機取樣與數據合并 1.4 Pandas 數據的分組、重塑與透視 1.5 Pandas 缺失值、異常值以及重復值的檢測與處理

1.1 Python 處理字符型數據 1.2 Python 時序數據處理 1.3 Python 數據清洗案例實戰 作業

1.1 Python 與 MySQL 1.2 Python 與 MongoDB

1.1 Python 可視化之 Matplotlib 基本繪圖 1.2 Python 可視化之常見繪圖 作業 8月8日直播

課件和數據 1.機器學習入門 2. 課程說明 3. KNN基本原理 4. KNN函數詳解-1 5.KNN函數詳解-2 6. KNN高級數據結構實現 7. 機器學習常用輔助函數-1 8. 機器學習常用輔助函數-2 9. 機器學習常用評估指標 10. 超參數與學習曲線 11.聚類分析入門 8月15日直播

1.K-Means快速聚類基本原理 2. K-Means快速聚類手動實現-1 3.K-Means快速聚類手動實現-2 4.K-Means模型評估指標及穩定性討論 5.輪廓系數 6.二分K均值法 7.線性回歸入門 8.線性回歸手動實現 9.嶺回歸和 Lasso 8月22日直播

1.梯度下降詳解-1 2.梯度下降詳解-2 3.梯度下降算法實現 4. 邏輯回歸與Scikit-Learn入門 5.Scikit-Learn詳解-1 6.Scikit-Learn詳解-2 7.決策樹入門 8.決策樹原理-1 9.決策樹原理-2 10.決策樹實現 11.擬合度相關概念 12.決策樹剪枝 8月29日19:00直播

1.關聯規則基本原理-1 2.關聯規則基本原理-2 3.關聯規則的Python實現-1 4.關聯規則的Python實現-2 5.樸素貝葉斯基本原理 6.樸素貝葉斯的Python實現 7.概率模型評估指標 8.集成算法基本原理 9.集成算法調參案例 10.神經網絡與支持向量機 機器學習作業 直播9月5日

資料 0.AI概述和Tensorflow基礎概述 1.AI概述 2.AI概述和發展 3.安裝和編程環境測試 4.TensorFlow API 5.TensorFlow和其他框架比較 6.TensorFlow基礎一 7.TensorFlow基礎二 8.搭建圖像識別系統 9.運用TensorFlow實現線性和邏輯回歸 10.運用TensorFlow實現線性和邏輯回歸進階一 11.運用TensorFlow實現線性和邏輯回歸進階二 12.TensorFlow案例實踐進階 作業 直播9月12日19：00-21：00

課件及數據集 1. 神經網絡結構介紹 2.神經網絡結構MLP案例- MNIST 3.神經網絡結構-Auto Encoder 4.神經網絡結構案例進階-XOR與DNN 作業一 5.卷積神經網絡介紹與模型分析 6.卷積神經網絡-MINIT-CIFAR案例概述 7.卷積神經網絡實踐－MNIS 8.卷積神經網絡實踐－CIFAR－分類器 作業二 9.RNN介紹 10.RNN案例實踐－SineWave預測器 11.LSTM介紹 12.RNN案例-三字經 作業三 直播9月19日（周日）19:00-21:00

課件代碼 1.神經網絡算法基礎1-理論 2. 神經網絡算法基礎1-實踐 作業一 3.神經網絡算法基礎2-理論 4.神經網絡算法基礎2-實踐概述 5.神經網絡算法基礎2-實踐-Tiniflow案例實踐 作業二 6.遷移學習理論 7. 遷移學習實踐概述 8.遷移學習實踐_CIFAR10_0 9.MbileNet花卉分類案例概述 10. MbileNet花卉分類案例實踐 11.強化學習理論 12.強化學習進階理論 13.強化學習實踐 作業三 作業四 直播9月25日（周六）19:00-21:00

課件 1.基本概念-信息檢索技術(全文掃描、關鍵詞、關鍵詞索引) 2.基本概念-信息檢索技術(逐項反轉、簽名文件 、向量空間模型) 3.python實操（多篇文章TF、TF IDF） 4.文本挖掘的處理流程 5.N-Gram及分詞-法則式分詞法 6.N-Gram及分詞-統計式分詞及詞性標注 7.關鍵詞提取及用Python實作基本結巴分詞 8.用Python實作進階結巴分詞及TFIDF關鍵詞提取 9.用Python實作結巴詞性標注 10.用Python實作Boson分詞及詞性標注 文本分析作業 10月3日19:00-21:00

11.非結構轉結構數據-詞袋模型 12.非結構轉結構數據-PCA 13. 非結構轉結構數據-Glove 14.非結構轉結構數據-Word2Vec(Skip-Gram 15.用Python實作Word2Vec(Skip-Gram 16.文本可視化-文字云及用Python實作文字云 17.文本挖掘的應用-文本分類及用Python實作 18.文本挖掘的應用-情緒分析及用Python實作 19.文本挖掘的應用-文本聚類及用Python實作 20.文本挖掘的應用-文本摘要及用Python實作 文本分析作業（二） 直播10月9日（周六）19:00-21:00

資料 1.深度圖像處理在ADAS的應用和概述 2.圖像檢測網絡介紹 3.圖像分割網絡介紹 4.Tensorflow目標檢測API介紹 5.API模型介紹和Object Detection Tutorial 6.Mobilenet-V2網絡介紹 7.Tensorflow 實踐 作業

資料 1. 深度語音識別應用概述 2. CNN在語音處理中的應用1 3. CNN在語音處理中的應用2 4. 其他網絡結構在語音處理中的應用1 5. 其他網絡結構在語音處理中的應用2 6. TensorFlow實踐 7 : 語音識別作業 直播10月17日（周日）19:00-21:00

選修 GAN課件 論文 實驗 1. GAN簡介 2. GAN原型詳解 3. BN 4. GAN手寫數字生成實驗 5.DCGAN 6. DCGAN人臉生成實驗 7. DiscoGAN

智能問答系統講義及代碼 1.源起：從與機器的溝通方式開始 2.對話：問題的理解與答案的生成 3.詞典：關鍵詞檢索 4.專家：指定領域的問答助手 5.百科全書：開放式的問答系統 直播10月24日（周日）19:00-21:00