人工智能课程体系及项目实战.pdfVIP

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