课程介绍：
人工智能是当前乃至未来时代热门的技术之一，已在全球范围内掀起了研究与学习热潮。人工智能连续四年成为大学最热门专业！！！

课程知识体系完备，从简明的python语言开始，到机器学习，再到AI的两大应用方向：计算机视觉（CV）和自然语言处理（NLP），几乎包含了当下AI就业市场的全部需求。

同时，课程学习曲线设计平滑，根据学习者对知识的消化吸收情况，循序渐进增强自身的AI技能。 能够熟练掌握Python开发的通用技术和框架，具备人工智能领域内机器学习，深度学习，计算机视觉和自然语言处理业务分析及开发的能力，同时培养学生使用AI算法构建业务流的能力和针对特定算法进行实用化、拓展化的再创新能力，从而足以胜任算法工程师等相关AI职位。百万年薪不是梦！！！

课程目录：



【 主学习路线】01、阶段一 人工智能Python基础

1--第一章 计算机组成原理
2--第二章 python基础语法
3--第三章 判断语句
4--第四章 循环语句
5--第五章 字符串
6--第六章 列表
7--第七章 元组
8--第八章 字典
9--第九章 集合
10--第十章 公共方法
11--第十一章 函数
12--第十二章 函数强化
13--第十三章 文件操作
14--第十四章 面向对象
15--第十五章 异常
16--第十六章 模块
17--第十七章 学生管理系统(面向对象版)

【 主学习路线】02、阶段二 人工智能Python高级

1--第一章 Linux基础命令
2--第二章 Linux高级命令
3--第三章 多任务编程
4--第四章 网络编程
5--第五章 HTTP协议和静态服务器
6--第六章 闭包,装饰器及python高级语法
7--第七章 正则表达式
8--第八章 数据结构与算法
9--第九章 MySql数据库基本使用
10--第十章 MySqL数据库高级使用

【 主学习路线】03、阶段三 人工智能机器学习
1--第一章 机器学习概述V2.1
2--第二章 环境安装和使用V2.1
3--第三章 matplotlibV2.1
4--第四章 numpyV2.1
5--第五章 pandasV2.1
6--第六章 seabornV2.1
7--第七章 K近邻算法V2.1
8--第八章 线性回归V2.1
9--第九章 逻辑回归V2.1
10--第十章 决策树V2.1
11--第十一章 集成学习V2.1
12--第十二章 聚类算法V2.1
13--第十三章 朴素贝叶斯V2.1
14--第十四章 SVM算法V2.1
15--第十五章 EM算法V2.1
16--第十六章 HMM算法V2.1
17--第十七章 集成学习进阶V2.1

【 主学习路线】04、阶段四 计算机视觉与图像处理

1--第一章 课程简介_v2.0
2--第二章 tensorflow入门_v2.0
3--第三章 深度神经网络_v2.0
4--第四章 图像分类_v2.0
5--第五章 目标检测_v2.0
6--第六章 图像分割_v2.0
7--第七章 OpenCV简介_v2.0
8--第八章 OpenCV基本操作_v.2.0
9--第九章 OpenCV图像处理_v2.0
10--第十章 图像特征提取与描述_v2.0
11--第十一章 视频操作_v2.0
12--第十二章 案例人脸案例_v2.0

【 主学习路线】05、阶段五 NLP自然语言处理

1--第一章 Pytorch工具_v2.0
2--第二章 自然语言处理NLP介绍-v2.0
3--第三章 文本预处理-v2.0
4--第四章 RNN架构解析-v2.0
5--第五章 RNN经典案例-v2.0
6--第六章 莎士比亚风格的文本生成任务-v2.0
7--第七章 Transformer背景介绍-v2.0
8--第八章 Transformer架构解析-v2.0
9--第九章 fasttext工具的使用-v2.0
10--第十章 迁移学习-v2.0
11--第十一章 BERT,Transformer的模型架构与详解-v2.0
12--第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
13--第十三章 HMM模型-v2.0
14--第十四章 经典的序列模型-v2.0

【 主学习路线】06、阶段六 人工智能项目实战

1--第一章 智慧交通

1--项目简介
2--算法原理
3--多目标跟踪
4--辅助功能
5--卡尔曼滤波
6--匈牙利算法
7--数据关联
8--SORT
9--目标检测
10--车流量统计
11--相机校正
12--相机校正和图像去畸变
13--车道线提取
14--透视变换
15--车道线定位与拟合
16--车道曲率与车辆偏离中心线距离
17--在视频中进行车道线检测
18--SIamese网络系列（选学）
19--跟踪效果（选学）
20--数据集处理（选学）
21--网络模型搭建（选学）
22--网络模型训练（选学）
23--网络模型测试（选学）
24--网络模型应用（选学

2--第二章 在线医生

1--背景介绍
2--Unit对话API使用
3--在线医生的总体架构
4--总体架构中的工具介绍
5--neo4j简介
6--neo4j图数据库的安装
7--Cypher介绍与使用
8--在Python中使用neo4j
9--离线部分简要分析
10--结构化数据流水线
11--非结构化数据流水线
12--任务介绍与模型选用
13--训练数据集
14--BERT中文预训练模型
15--构建RNN模型
16--进行模型训练
17--NE模型使用
18--命名实体识别介绍
19--BiLSTM介绍
20--CRF介绍
21--BiLSTM+CRF模型
22--模型训练
23--模型使用
24--在线部分简要分析
25--werobot服务构建
26--主要逻辑服务
27--任务介绍与模型选用及训练数据集
28--BERT中文预训练模型1
29--微调模型
30--进行模型训练1
31--模型部署
32--系统联调与测试

3--第三章 智能文本分类系统

1--整体系统搭建
2--构建标签词汇图谱
3--特征工程和fasttext模型训练
4--多模型训练和预测
5--系统联调和测试
6--泛娱乐推荐介绍
7--召回模块
8--排序模块

4--第四章 实时人脸识别检测项目

1--人脸识别
2--口罩检测
3--Dlib模型训练
4--活体检测
5--属性识别

【 主学习路线】07、阶段七 人工智能面试强化（赠送）

1--第一章 自动编码器
2--第二章 图像分割应用
3--第三章 生成对抗学习
4--第四章 算法进阶迁移学习
5--第五章 模型可解释
6--第六章 模型压缩
7--第七章 终生学习
8--第八章 算法进阶进化学习
9--第九章 贝叶斯方法
10--第十章 贝叶斯方法实现及粒子滤波
11--第十一章 深度强化学习
【课外拓展】08、阶段八 阶段四—深度学习基础补充视频

【课外拓展】09、阶段九 阶段五—NLP基础补充视频

【课外拓展】10、阶段十 CV基础+项目（更新）
第一章 1-Pytorch与深度学习基础
第二章 2-深度学习核心模型与实战
第三章 3-01 - 目标检测
第四章 4-02 - OpenCV
第五章 5-03 - 人脸支付