AI 人工智能集训营

微积分课件 1.1 可以量化的世界 1.2 问题的起源 1.3 无穷的力量 1.4 以少为美 1.5 局部与整体 作业

线性代数课件 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 作业

概率论与数理统计课件 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 统计也会犯错误 作业

课件数据 1.1 Windows 系统下 My SQL 5.7安装教程 1.2 序章

2.1 数据库操作 2.2 数据表操作 2.3 数据类型 2.4 约束条件 2.5 填充数据 2.6 修改数据表 选修：workbench界面导数方法介绍

3.1基本查询语句 3.2 查询操作符与子查询 3.3 函数

4.1 查询练习 作业 选修：MySQL常见问题解答 第二周直播7月18日

课件 1.1 主流数据库的简介 1.2 MongoDB的安装、配置与启动 1.3 MongoDB命令行操作之数据库、集合 1.4 MongoDB基本操作之增删改 1.5 MongoDB命令行操作之查询 1.6 MongDB快速查询之索引

课件 1.1 MongoDB的备份与恢复 1.2 MongoDB的导入与导出 1.3 MongoDB主从复制 1.4 MongoDB副本集 1.5 MongoDB_End 作业

课件 1.1 Python的安装配置与基本使用 1.2 Python基础与规范 1.3 Python数据类型之数字与字符串 1.4 Python数据类型之列表、元组、字典与集合 1.5 Python条件、循环语句 1.6 Python函数(上) 1.7 Python函数(下) 作业

课件 1.1 Python 生成器 1.2 Python 类与对象 1.3 Python 库与模块 1.4 Python 文件的读写 1.5 Python 错误与异常 作业 第四周8月1日直播

课件和数据 1.1 为什么要数据清洗

1.1 Numpy数组的基础与创建 1.2 Numpy 数组的索引与切片 1.3 数组的变形、切分组合与广播 1.4 Numpy 函数 1.5 Numpy 矩阵-线性代数-文件

1.1 Pandas的数据结构 1.2 Pandas数据读写、探索与索引 1.3 Pandas随机取样与数据合并 1.4 Pandas 数据的分组、重塑与透视 1.5 Pandas 缺失值、异常值以及重复值的检测与处理

1.1 Python 处理字符型数据 1.2 Python 时序数据处理 1.3 Python 数据清洗案例实战 作业

1.1 Python 与 MySQL 1.2 Python 与 MongoDB

1.1 Python 可视化之 Matplotlib 基本绘图 1.2 Python 可视化之常见绘图 作业 8月8日直播

课件和数据 1.机器学习入门 2. 课程说明 3. KNN基本原理 4. KNN函数详解-1 5.KNN函数详解-2 6. KNN高级数据结构实现 7. 机器学习常用辅助函数-1 8. 机器学习常用辅助函数-2 9. 机器学习常用评估指标 10. 超参数与学习曲线 11.聚类分析入门 8月15日直播

1.K-Means快速聚类基本原理 2. K-Means快速聚类手动实现-1 3.K-Means快速聚类手动实现-2 4.K-Means模型评估指标及稳定性讨论 5.轮廓系数 6.二分K均值法 7.线性回归入门 8.线性回归手动实现 9.岭回归和 Lasso 8月22日直播

1.梯度下降详解-1 2.梯度下降详解-2 3.梯度下降算法实现 4. 逻辑回归与Scikit-Learn入门 5.Scikit-Learn详解-1 6.Scikit-Learn详解-2 7.决策树入门 8.决策树原理-1 9.决策树原理-2 10.决策树实现 11.拟合度相关概念 12.决策树剪枝 8月29日19:00直播

1.关联规则基本原理-1 2.关联规则基本原理-2 3.关联规则的Python实现-1 4.关联规则的Python实现-2 5.朴素贝叶斯基本原理 6.朴素贝叶斯的Python实现 7.概率模型评估指标 8.集成算法基本原理 9.集成算法调参案例 10.神经网络与支持向量机 机器学习作业 直播9月5日

资料 0.AI概述和Tensorflow基础概述 1.AI概述 2.AI概述和发展 3.安装和编程环境测试 4.TensorFlow API 5.TensorFlow和其他框架比较 6.TensorFlow基础一 7.TensorFlow基础二 8.搭建图像识别系统 9.运用TensorFlow实现线性和逻辑回归 10.运用TensorFlow实现线性和逻辑回归进阶一 11.运用TensorFlow实现线性和逻辑回归进阶二 12.TensorFlow案例实践进阶 作业 直播9月12日19：00-21：00

课件及数据集 1. 神经网络结构介绍 2.神经网络结构MLP案例- MNIST 3.神经网络结构-Auto Encoder 4.神经网络结构案例进阶-XOR与DNN 作业一 5.卷积神经网络介绍与模型分析 6.卷积神经网络-MINIT-CIFAR案例概述 7.卷积神经网络实践－MNIS 8.卷积神经网络实践－CIFAR－分类器 作业二 9.RNN介绍 10.RNN案例实践－SineWave预测器 11.LSTM介绍 12.RNN案例-三字经 作业三 直播9月19日（周日）19:00-21:00

课件代码 1.神经网络算法基础1-理论 2. 神经网络算法基础1-实践 作业一 3.神经网络算法基础2-理论 4.神经网络算法基础2-实践概述 5.神经网络算法基础2-实践-Tiniflow案例实践 作业二 6.迁移学习理论 7. 迁移学习实践概述 8.迁移学习实践_CIFAR10_0 9.MbileNet花卉分类案例概述 10. MbileNet花卉分类案例实践 11.强化学习理论 12.强化学习进阶理论 13.强化学习实践 作业三 作业四 直播9月25日（周六）19:00-21:00

课件 1.基本概念-信息检索技术(全文扫描、关键词、关键词索引) 2.基本概念-信息检索技术(逐项反转、签名文件 、向量空间模型) 3.python实操（多篇文章TF、TF IDF） 4.文本挖掘的处理流程 5.N-Gram及分词-法则式分词法 6.N-Gram及分词-统计式分词及词性标注 7.关键词提取及用Python实作基本结巴分词 8.用Python实作进阶结巴分词及TFIDF关键词提取 9.用Python实作结巴词性标注 10.用Python实作Boson分词及词性标注 文本分析作业 10月3日19:00-21:00

11.非结构转结构数据-词袋模型 12.非结构转结构数据-PCA 13. 非结构转结构数据-Glove 14.非结构转结构数据-Word2Vec(Skip-Gram 15.用Python实作Word2Vec(Skip-Gram 16.文本可视化-文字云及用Python实作文字云 17.文本挖掘的应用-文本分类及用Python实作 18.文本挖掘的应用-情绪分析及用Python实作 19.文本挖掘的应用-文本聚类及用Python实作 20.文本挖掘的应用-文本摘要及用Python实作 文本分析作业（二） 直播10月9日（周六）19:00-21:00

资料 1.深度图像处理在ADAS的应用和概述 2.图像检测网络介绍 3.图像分割网络介绍 4.Tensorflow目标检测API介绍 5.API模型介绍和Object Detection Tutorial 6.Mobilenet-V2网络介绍 7.Tensorflow 实践 作业

资料 1. 深度语音识别应用概述 2. CNN在语音处理中的应用1 3. CNN在语音处理中的应用2 4. 其他网络结构在语音处理中的应用1 5. 其他网络结构在语音处理中的应用2 6. TensorFlow实践 7 : 语音识别作业 直播10月17日（周日）19:00-21:00

选修 GAN课件 论文 实验 1. GAN简介 2. GAN原型详解 3. BN 4. GAN手写数字生成实验 5.DCGAN 6. DCGAN人脸生成实验 7. DiscoGAN

智能问答系统讲义及代码 1.源起：从与机器的沟通方式开始 2.对话：问题的理解与答案的生成 3.词典：关键词检索 4.专家：指定领域的问答助手 5.百科全书：开放式的问答系统 直播10月24日（周日）19:00-21:00