人工智能课程体系与项目实战.doc

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.机器学习要解决的任务 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.基于随机森林的特征重要性选择 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.特征的选择与重要性衡量指标 6.机器学习中的级联模型 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要解决的问题 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 2.CNN网络结构 3.基于tensorflow的网络框架 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的库使用介绍 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是什么 2.robot的应用场景 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的安装（api与源码） 8. robot的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.训练自己的语料 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corpus data 3.训练scope data 4.训练外部API 5.创建一个新的语料级别 6.抽取自己机器人的语料 第六章：robot之过滤器 1.filter是什么 2.filter的主要用途是什么 3.filter的创建 4.filter的设置 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 2.项目核心技术点介绍 3.智能机器人人机对话系统 4.代码实现 5.人机对话优化（补充优化） 6.开源机器人