人工智慧學習之路

1人工智慧基礎 : 高等數學必須會

資料分析
概率倫 (gai lv lun)
線性代數及矩陣
凸優化 (tu you hua)
微積分(wei ji feng)
古典模型
逼近輪
牛頓法
梯度下降

Python 高階應用
容器
容器淺拷貝和深拷貝
高階函式
lambda表示式
約瑟夫環問題
模組和高階包
時間庫
併發庫科學計算庫
Matpltlib視覺化相簿
鎖和執行緒
多執行緒編輯

1. 人工只能實用: 機器學習篇
   機器學習概述
   監督學習
   非監督學習
   資料處理與模型調優

2. 人工智慧: 資料探勘篇
   百度音樂系統檔案分類
   千萬級P2P金融系統反欺詐模型訓練

人工智慧前沿: 深度學習篇
1）TensorFlow基本應用
2）BP神經網路
3）深度學習概述
4）卷積神經網路(CNN)
5）影像分類(vgg,resnet)
6）目標檢測(rcnn,fast-rcnn,faster-rcnn,ssd)
7）遞迴神經網路(RNN)
8）lstm,bi-lstm,多層LSTM
9）無監督學習之AutoEncoder自動編碼器
10）Seq2Seq
11）Seq2Seq with Attension
12）生成對抗網路
13）irgan
14）finetune及遷移學習
15）孿生網路
16）小樣本學習

人工智慧進階 － 自然語言處理篇
1）詞（分詞，詞性標註）程式碼實戰
2）詞（深度學習之詞向量，字向量）程式碼實戰
3）詞（深度學習之實體識別和關係抽取）程式碼實戰
4）詞（關鍵詞提取，無用詞過濾）程式碼實戰
5）句（句法分析，語義分析）程式碼實戰
6）句（自然語言理解,一階邏輯）程式碼實戰
7）句（深度學習之文字相似度）程式碼實戰

人工智慧進階 － 影像處理篇
一、影像基礎
影像讀，寫，儲存，畫圖（線，圓，多邊形，新增文字）

二、影像操作及算數運算
影像畫素讀取，算數運算，ROI區域提取

三、影像顏色空間運算
影像顏色空間相互轉化

四、影像幾何變換
平移，旋轉，仿射變換，透視變換等

五、影像形態學
腐蝕，膨脹，開/閉運算等

六、影像輪廓
長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等

七、影像統計學
影像直方圖

八、影像濾波
高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等