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、机器学习要解决得任务
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，C4、5算法
4、决策树剪枝策略
5、随机森林算法原理
6、基于随机森林得特征重要性选择
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、特征得选择与重要性衡量指标
6、机器学习中得级联模型
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要解决得问题
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
2N网络结构
3、基于tensoｒfｌｏw得网络框架
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得库使用介绍
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就是什么
2、rｏbｏt得应用场景
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得安装（api与源码) ８、roboｔ得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、训练自己得语料
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ｃorpuｓdａｔa
3、训练ｓcope data
4、训练外部API
5、创建一个新得语料级别
6、抽取自己机器人得语料
第六章：rｏbot之过滤器
1、filteｒ就是什么
2、filter得主要用途就是什么
3、filｔeｒ得创建
4、fｉｌtｅr得设置
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
2、sesｓion实战案例操作
３、文摘自动生成
人机对话项目实战
1、项目介绍背景
