一个“人工智能Python机器学习与深度学习”课程表

Posted 2021-12-05 卓晴

简 介： 对于来自于邮件的一封Python培训课程中的内容表格进行整理，用于未来课程体系建设中的参考。

关键词： python，人工智能，深度学习，培训课程

 

§01 课程内容

---

  通过邮件接收到一份关于Python相关的机器学习与深度学习的课程表个，整理如下便于设计未来课程知识框架。

一、课程内容

章节	内容
一、人工智能基础学习介绍	1.人工智能/机器学习/神经网络/深度学习概述 2.机器学习概述、算法应用分析 3.人工智能技术框架 4.深度学习应用介绍
二、python 基础学习	1.print 使用 2.运算符和变量 3.循环 4.列表元组字典 5.if 条件 6.函数 7.模块 8.类的使用 9.input 用法 10.文件读写11.异常处理
三、.科学计算包numpy 使用学习	1.numpy 的属性2.创建array 3.numpy 的运算 4.numpy 的索引5.array 合并6.array 分割 7.随机数生成以及矩阵的运算
四、绘图工具包matplotlib 学习	1.基础用法2.figure 图像3.设置坐标轴 4.legend 图例5.scatter 散点图
五、python 人脸检测项目实战	1.使用python 实现人脸检测功能
六、人工智能与机器学习基础	1.人工智能概述2.机器学习概述 3.机器学习算法应用分析
七、回归算法	1.一元线性回归2.代价函数3.梯度下降法 4.sklearn 一元线性回归应用5.多元线性回归 6.sklearn 多元线性回归应用 案例：葡萄酒质量和时间的关系
八、KNN 分类算法	1.KNN 分类算法介绍 2.KNN 分类算法应用 3.KNN 实现 案例：鸢尾花分类
九、决策树算法	1.决策树算法介绍2.熵的定义 3.决策树算法与应用实现 案例：用户购买行为预测
十、支持向量机	1.什么时最优分类面 2.SVM 算法本质是什么 3.支持向量机在线性不可分时怎么处理 案例：SVM 完成人脸识别应用
十一、K-means 聚类算法	1.K-means 算法介绍 2.K-means 算法应用 3.K-means 算法实际应用案例 案例：NBA 球队实力聚类分析
十二、集成算法与随机森林	1.Bagging 算法介绍2.随机森林建模方法 3.Adaboost 算法介绍4.Stacking 算法介绍 5.Voting 算法介绍
十三、用户违约预测-特征工程应用案例	1.缺失值填2.唯一值处理 3.过滤无用特征4.处理多值有序特征 5.处理多值无序特征6.特征数据缩放 7.PCA 降纬8.数据均衡 9.模型训练和评估
十四、深度学习基础-神经网络介绍	1.人工神经网络发展史 2.单层感知器 3.激活函数，损失函数和梯度下降法 4.BP 算法介绍 案例：BP 算法解决手写数字识别问题
十五、Tensorflow 介绍	1.Tensorflow 安装 2.Tensorlfow 基础知识 3.Tensorflow 线性回归 4.Tensorflow 非线性回归 5.Mnist 数据集合Softmax 讲解 6.使用BP 神经网络搭建手写数字识别 7.交叉熵(cross-entropy)讲解和使用 8.过拟合,正则化,Dropout 9.各种优化器Optimizer
十六、Pytorch 介绍	1.Pytorch 安装及应用 2.搭建网络完成线性回归应用 3.搭建网络完成非线性回归应用 4.完成手写数字识别
十七、卷积神经网络CNN 应用	1.CNN 卷积神经网络 2.CNN 手写数字案例 3.卷积层、池化层（均值池化、最大池化）
十八、长短时记忆网络LSTM 应用	1.RNN 循环神经网络 2.长短时记忆网络LSTM 3.LSTM 应用案例
十九、使用预训练模Inception-v3 型进行	图像识别 1.Inception-v3 模型讲解 2.使用训练好的模型进行图像识别
二十、图像识别模型VGG16 项目实战（天	气现象分类，场景分类） 1. VGG16 模型讲解 2. 数据增加 3.使用迁移学习完成天气现象分类 4.使用迁移学习完成场景分类
二十一、自然语言处理项目实战	1.自然语言处理项目介绍 2.word2vec 介绍 2.用LSTM 训练一个新的文本分类模型
二十二、目标检测算法介绍	1. 目标检测项目简介 2. R-CNN 模型详解 3. SPPNET 模型详解 4. Fast-RCNN 模型详解 5. Faster-RCNN 模型详解
二十三、使用目标检测算法完成手势识别	1.数据准备和标注方法 2.Detecting 模块介绍 3.手势识别模型训练 4.手势识别模型应用
二十四、光学字符识别OCR 算法实战	1.使用OCR 模型准确识别图片中的中英文文字，并提取 出来
二十五、人脸识别实战	1.人脸检测实战 2.人脸关键点提取实战 3.人脸识别实战
二十六、问题答疑与学习平台	1、课后项目、问题答疑，学习资料分享，一对一答疑； 2、建立QQ 群、微信群（课后方便辅助大家学习）； 3、培训结束后免费技术指导，后续培训免费参加； 4、根据学员感兴趣及想学习的内容一对一指导解决，线 上和线下效果一样，老师会一对一远程解决您的问题 5、配备资料和python 教材便于课后逐步提高 6、提供最新python 安装程序及远程安装服务

二、处理程序

1、处理代码

#!/usr/local/bin/python
# -*- coding: gbk -*-
#============================================================
# TEST1.PY                     -- by Dr. ZhuoQing 2021-11-01
#
# Note:
#============================================================
from head import *
strid = 2
tspcopydopstring(strid)
str= clipboard.paste().split('\\r\\n')
printf("章节|内容")
printf("--|--")
outstr = ''
firstflag = 1
for s in str:
    if s[0] in '一二三四五六七八九十':
        if len(outstr) > 0:
            printf(outstr)
        outstr = s
        firstflag = 1
    else:
        if firstflag > 0:
            outstr = outstr + '|' + s
            firstflag = 0
        else: outstr = outstr + '<br>' + s
if len(outstr) > 0:
    printf(outstr)
printf('\\a')
#------------------------------------------------------------
#        END OF FILE : TEST1.PY
#============================================================

2、表格内容

一、人工智能基础学习介绍
1.人工智能/机器学习/神经网络/深度学习概述
2.机器学习概述、算法应用分析
3.人工智能技术框架
4.深度学习应用介绍
二、python 基础学习
1.print 使用 2.运算符和变量
3.循环 4.列表元组字典
5.if 条件 6.函数 7.模块
8.类的使用 9.input 用法
10.文件读写11.异常处理
三、.科学计算包numpy 使用学习
1.numpy 的属性2.创建array 3.numpy 的运算
4.numpy 的索引5.array 合并6.array 分割
7.随机数生成以及矩阵的运算
四、绘图工具包matplotlib 学习
1.基础用法2.figure 图像3.设置坐标轴
4.legend 图例5.scatter 散点图
五、python 人脸检测项目实战
1.使用python 实现人脸检测功能
六、人工智能与机器学习基础
1.人工智能概述2.机器学习概述
3.机器学习算法应用分析
七、回归算法
1.一元线性回归2.代价函数3.梯度下降法
4.sklearn 一元线性回归应用5.多元线性回归
6.sklearn 多元线性回归应用
案例：葡萄酒质量和时间的关系
八、KNN 分类算法
1.KNN 分类算法介绍
2.KNN 分类算法应用
3.KNN 实现
案例：鸢尾花分类
九、决策树算法
1.决策树算法介绍2.熵的定义
3.决策树算法与应用实现
案例：用户购买行为预测
十、支持向量机
1.什么时最优分类面
2.SVM 算法本质是什么
3.支持向量机在线性不可分时怎么处理
案例：SVM 完成人脸识别应用
十一、K-means 聚类算法
1.K-means 算法介绍
2.K-means 算法应用
3.K-means 算法实际应用案例
案例：NBA 球队实力聚类分析
十二、集成算法与随机森林
1.Bagging 算法介绍2.随机森林建模方法
3.Adaboost 算法介绍4.Stacking 算法介绍
5.Voting 算法介绍
十三、用户违约预测-特征工程应用案例
1.缺失值填2.唯一值处理
3.过滤无用特征4.处理多值有序特征
5.处理多值无序特征6.特征数据缩放
7.PCA 降纬8.数据均衡
9.模型训练和评估
十四、深度学习基础-神经网络介绍
1.人工神经网络发展史
2.单层感知器
3.激活函数，损失函数和梯度下降法
4.BP 算法介绍
案例：BP 算法解决手写数字识别问题
十五、Tensorflow 介绍
1.Tensorflow 安装
2.Tensorlfow 基础知识
3.Tensorflow 线性回归
4.Tensorflow 非线性回归
5.Mnist 数据集合Softmax 讲解
6.使用BP 神经网络搭建手写数字识别
7.交叉熵(cross-entropy)讲解和使用
8.过拟合,正则化,Dropout
9.各种优化器Optimizer
十六、Pytorch 介绍
1.Pytorch 安装及应用
2.搭建网络完成线性回归应用
3.搭建网络完成非线性回归应用
4.完成手写数字识别
十七、卷积神经网络CNN 应用
1.CNN 卷积神经网络
2.CNN 手写数字案例
3.卷积层、池化层（均值池化、最大池化）
十八、长短时记忆网络LSTM 应用
1.RNN 循环神经网络
2.长短时记忆网络LSTM
3.LSTM 应用案例
十九、使用预训练模Inception-v3 型进行
图像识别
1.Inception-v3 模型讲解
2.使用训练好的模型进行图像识别
二十、图像识别模型VGG16 项目实战（天
气现象分类，场景分类）
1. VGG16 模型讲解
2. 数据增加
3.使用迁移学习完成天气现象分类
4.使用迁移学习完成场景分类
二十一、自然语言处理项目实战
1.自然语言处理项目介绍
2.word2vec 介绍
2.用LSTM 训练一个新的文本分类模型
二十二、目标检测算法介绍
1. 目标检测项目简介
2. R-CNN 模型详解
3. SPPNET 模型详解
4. Fast-RCNN 模型详解
5. Faster-RCNN 模型详解
二十三、使用目标检测算法完成手势识别
1.数据准备和标注方法
2.Detecting 模块介绍
3.手势识别模型训练
4.手势识别模型应用
二十四、光学字符识别OCR 算法实战
1.使用OCR 模型准确识别图片中的中英文文字，并提取
出来
二十五、人脸识别实战
1.人脸检测实战
2.人脸关键点提取实战
3.人脸识别实战
二十六、问题答疑与学习平台
1、课后项目、问题答疑，学习资料分享，一对一答疑；
2、建立QQ 群、微信群（课后方便辅助大家学习）；
3、培训结束后免费技术指导，后续培训免费参加；
4、根据学员感兴趣及想学习的内容一对一指导解决，线
上和线下效果一样，老师会一对一远程解决您的问题
5、配备资料和python 教材便于课后逐步提高
6、提供最新python 安装程序及远程安装服务

 

§02 原文件表格

---

 

● python 人工智能 深度学习 培训课程

二、MATLAB数据分析、机器学习

---