课程名称 | 技术关键点 |
科学计算库 | 1、人工智能概述、机器学习定义、机器学习工作流程;机器学习算法分类、算法模型评估、Azure机器学习平台实验、机器学习基础环境安装与使用Matplotlib库使用:Matplotlib架构介绍、Matplotlib基本功能实现、Matplotlib实现多图显示、Matplotlib绘制各类图形 |
2、Numpy库使用:Numpy运算优势、数组的属性、数组的形状、Numpy实现数组基本操作、Numpy实现数组运算 |
3、Scipy使用:常数和特殊函数、拟合与优化、线性代数(含方程组求解)、数值积分和插值 |
4、pandas库使用:pandas基本数据操作、DataFrame、Series、MultiIndex、panel、pandas画图、文件读取和存储、缺失值处理、数据离散化、数据合并、交叉表和透视表、分组和聚合 |
机器学习(算法篇) | 1、sklearn介绍、sklearn获取数据集、seaborn介绍、数据可视化、数据集划分特征工程与模型优化:特征工程、特征预处理、归一化、标准化、特征选择、特征降维;交叉验证、网格搜索模型保存和加载、欠拟合、过拟合 |
2、KNN算法api及kd树及稀疏存储;欧式距离、曼哈顿距离、切比雪夫距离、闵氏距离、标准化欧式距离、余弦距离、汉明距离、杰卡德距离、马氏距离、KNN中k值的选择、kd树; |
案例:鸢尾花种类预测 |
3、线性回归概念和api与原理剖析;损失函数:误差平方和,交叉熵;梯度下降算法:FGD、SGD、mini-batch、SAG;模型优化:数据归一化、优化器的选择;正则化线性模型:Lasso回归、岭回归、Elastic Net;线性回归算法 |
案例:波士顿房价预测 |
4、逻辑回归概念api和原理:判定边界、动态规划、sigmoid、对数似然损失;二分类问题:ROC曲线、AUC指标、ROC曲线的绘制; |
案例:癌症分类预测 |
5、决策树算法原理和api使用:基本流程/划分选择、信息增益/增益率/基尼指数;决策树的构建和剪枝:剪枝处理/预剪枝/后剪枝/ID3/CART;条件熵和交叉熵:连续与缺失值处理、多变量决策树、熵的计算; |
案例:泰坦尼克号乘客生存预测优化 |
6、集成学习与bagging:随机森林概述、训练算法AdaBoost算法和使用:训练误差分析、广义加法模型各种AdaBoost算法:离散型AdaBoost、实数型AdaBoost、LogitBoost、Gentle型AdaBoost;实现:弱分类器的选择、样本权重削减 |
案例实践:手写数字图片识别 |
神经网络 | 神经网络基础:神经网络;感知机、与、或、异或问题;softmax |
反向传播原理:批量学习和在线学习、反向传播算法、改善反向传播算法性能的试探法 |
案例:手写数字图片识别 |
图像与视觉处理介绍 | 计算机视觉定义、计算机视觉发展历史;计算机视觉技术和应用场景、计算机视觉知识树和几大任务 |
目标分类和经典CV网络 | 1、CNN:感受野、卷积、零填充、过滤器大小、多通道卷积、全连接层 |
2、卷积网络结构:LeNet5、AlexNet、VGG、Inception、GoogleNet、残差网络 |
3、深度学习正则化与算法优化:L1、L2、DroupOut、BN、SGD、RMSProp、Adagrad、Adam |
4、TF分布式训练:TF Strategy;迁移学习:TensorFlow HUB |
5、目标分类实战案例:ImageNet分类,目标检测任务与数据集介绍:检测任务目的、常见数据集、应用场景 |
6、RCNN:交并比、map、非极大抑制NMS、正负样本;SPPNet:SPP层映射 |
7、FastRCNN:ROI Pooling;FasterRCNN:RPN、代价函数、训练流程与结果分析、FPN与FasterRCNN结合 |
8、YOLOv1、YOLOv2、YOLOv3:结构与工作流程、代价函数、anchor、维度聚类、细粒度与多尺度特征、先验框与代价函数 |
9、SSD:Detector & classififier、SSD代价函数、特征金字塔 |
10、目标检测实战案例:COCO数据集上目标检测 |
目标分割和经典CV网络 | 1、目标分割任务类型、数据集 |
2、全卷积FCN网络:网络结构、跳级连接、语义分割评价标准、结果分析 |
3、U-Net:拼接特征向量;Dilated Convolutions:聚合多尺度的信息、context module |
4、PSPNet:金字塔池化模块;Deeplab:串行部署ASPP |
5、Mask-RCNN:结构介绍、ROI Align与Pooling对比、代价函数介绍、端到端联合训练 |
6、目标分割实战案例 |
OpenCV库与 图像处理基础 | 1、基本的OpenCV代码、IplImage数据结构、读写图像基本的灰度变换函数:灰度直方图、灰度的线性变换、灰度对数变换、伽玛变换、灰度阈值变换、分段线性变换 |
2、直方图处理:图像矩特征点度量特征、全局直方图、局部区域直方图、散点图和3D直方图、 OpenCV实践 |
3、几何变换:翻转、剪裁、遮挡、图像算数、图像金字塔、OpenCV几何变换操作 |
4、边缘检测技术:边缘检测的目的和模型、噪声、导数算子、Marr-Hildreth边缘检测器、基于模板的边缘检测、Canny Edge边缘检测器、Shen-Castan(ISEF)边缘检测器、彩色边缘、OpenCV边缘检测操作 |
5、特征检测和描述:哈里斯角点检测、Shi-Tomasi角落探测器、SIFT、SURF、FAST、ORB、霍夫变换 |
6、视频操作:读取摄像头、读取视频、视频写入 |
CV综合案例实训 | 施工工地现场安全帽佩戴规范视频识别系统 |