人工智能课程体系与项目实战
- 格式:doc
- 大小:38.50 KB
- 文档页数:27
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