AI 人工智能集训营：本课程适合零基础入门到进阶AI工程师意向学员。
本课程属于数据科学的高级课程，从深度学习基础知识、深度学习的常用工具介绍（Tensorflow、Keras、Caffe、PyTorch）、深度学习在各个领域的应用、深度学习高级算法等内容，对Python语言技能有较高的要求。
最后结合热门行业电商、金融、电信、医药真实案例和业务出发，升华技术应用场景，使所学更符合就业要求， 达到企业用人标准，快速在大数据时代找准工作定位。学员毕业要求能够带领团队协同完成数据分析项目，能够掌握数据数据分析大多数岗位（AI工程师、自然语言处理工程师、计算机视觉工程师）技能。
熟悉AI工具，包括TensorFlow、Keras、Caffe、PyTorch
熟悉深度学习应用
熟悉CNN、RNN、Faster RCNN等深度神经网络模型，并掌握其相关的优化算法
了解深度学习高级算法，包括卷积神经网络、循环神经网络等
掌握优化算法和高性能计算方法
掌握NLP自然语言处理一线行业案例
掌握计算机视觉图像识别一线行业案例
在校数学、计算机、统计学、大数据、数据分析相关专业高年级学生
有5年一般数据分析经验或1年以上机器学习经验学员
零基础决心进入AI工程师领域学员
必备理论基础：线性代数、概率论与信息论、数值计算
2章线性代数
2-1现实世界的想象
2-2空间语言与立体感知：向量与矩阵
2-3追本溯源：问题与逆问题
2-4稳定很重要：矩阵的特征
2-5与机器沟通：计算机中的线性代数计算
3章槪率论与数理统计
3-1概率的意义
3-2抽象的现实：概率的分布与应用
3-3第一印象：描述性统计
3-4拒绝主观：假设与检验
3-5可以量化的差异：方差分析
3-6统计会犯错误
4章人工智能之关系型数据库
4-1MySQL的安装与使用
4-2数据库、数据表及字段操作
4-3SQL查询与函数
5章人工智能之非关系型数据库
5-1MongoDB基本操作
5-2MongoDB高级操作
6章人工智能之Python编程基础
6-1python基础入门
6-2python高级操作
7章人工智能之Python数据处理与可视化
7-1Python数据处理概述
7-2Numpy
7-3Pandas
7-4数据库连接
7-5Python可视化
8章机器学习基础
8-1机器学习入门
8-2KNN算法
8-3聚类分析
9章机器学习进阶
9-1线性回归
9-2逻辑回归
9-3决策树
9-4关联规则
9-5朴素贝叶斯
9-6集成算法快速入门
9-7神经网络与支持向量机
10章Tensorflow框架快速入门
10-1AI算法与框架的发展
10-2Tensorflow的安装和编程环境测试
10-3Tensorflow框架使用方法快速入门
10-4Tensorflow线性回归实现
10-5Tensorflow逻辑回归实现
11章深度学习算法基础
11-1深度学习算法的基础知识
11-2深度神经网络DNN
11-3卷积神经网络
11-4RNN和LSTM
11-5迁移学习与强化学习
12章文本挖掘项目实战
12-1文本挖掘理论概念
12-2文本挖掘算法实践
12-3实战项目：基于词云的新闻信息可视化
12-4实战项目：基于决策树算法的新闻信息分类
12-5实战项目：网络评论分析之情绪分析
12-6实战项目：基于聚类算法的新闻分类
12-7实战项目：提取关键信息——新浪娱乐新闻文本摘要实战
13章图像识别项目实战
13-1深度图像处理在ADAS的应用和概述
13-2图像检测网络介绍
13-3图像分割网络介绍
13-4Tensorflow目标检测API介绍
13-5Mobilenet-V2网络介绍
13-6实战项目：基于卷积神经网络的实时路况识别
14章语音识别项目实战
14-1深度语音识别应用槪述
14-2CNN在语音处理中的应用1
14-3CNN在语音处理中的应用2
14-4实战项目：基于深度神经网络的语音指令识别
15章手写数字生成与人脸生成实战
15-1GAN（对抗生成网络）算法实践
15-2实战项目：基于GAN的手写数字生成项目实战
15-3DCGAN（深度卷积对抗网络）算法实践
15-4实战项目：基于DCGAN的人脸生成项目实战
16章智能问答机器人项目实战
16-1源起：从与机器的沟通方式开始
16-2对话：问题的理解与答素的生成
16-3词典：关键词检索
16-4专家：指定领域的问答助手
16-5实战项目：图灵聊天机器人的实现
16-6实战项目：藏头诗机器人的实现
16-7实战项目：语音智能问答系统的搭建
