AI |
6大真实企业级人工智能项目贯穿整个课程,具备一定的通用性, 算法的讲解通过类比生活中的事例来细腻的剖析每一个高深的算法,瞬间会让你有一种恍然大悟的感觉。这里可以负责任的告诉大家,本套课程只需要你具备初中三年级的数学水平就可以听的懂。算法中用到的数学知识,课程专门设计了一个程序员的数学模块来解决了大家的后顾之忧,程序员的数学模块,教学总耗时30小时,全面而细致的讲解了人工智能课程中所涉及的每一个数学知识点,复杂的事情,简单说,最轻松的方式助力您走上人生巅峰!
|
|
函数和导数 |
古典概率 |
文本排重 |
1.人工智能整体概述
2.人工智能在企业中的应用。
3.导数及其意义和应用
|
1.面试中常遇到的概率问题
2.概率在人工智能中的应用
3.正态分布及其意义
|
1.MD5编码
2.simhash 3.minhash
4.内容排重项目
|
bloom过滤器 |
朴素贝叶斯 |
逻辑回归 |
1.网络爬虫
2.bloom过滤器的原理和应用
...
|
1.分类在企业中的应用
2.朴素贝叶斯的原理和应用
...
|
1.逻辑回归和分类 2.梯度下降法
3.逻辑回归的几何原理 4.逻辑回归的数学原理
5.逻辑回归在企业中的应用
|
FM算法 |
支持向量机 |
文本分类-情感分析 |
1.FM算法和逻辑回归对比
2.FM算法的原理
3.FM算法训练方法
|
1.支持向量机和逻辑回归的对比
2.支持向量机的原理
3.非线性分类 4.核方法
|
1.情感分析在企业中的应用
2.搭建情感分析系统 3.真实场景中的上线
4.指标的解读 5.实际常遇见的问题以及解决方案
|
随机森林 |
xgboost与gbdt |
信息熵 |
1.条件树
2.随机森林
3.随机森林的优点
|
1.boost思想 2.gbdt算法原理和应用
3.xgboost原理以及应用
4.企业中的应用
|
1.信息量和信息熵
2.信息熵的物理意义
3.信息熵在统计中的应用
|
聚类算法 |
LDA |
分词器和新词发现 |
1.聚类算法的用途
2.Kmeans算法
3.EM算法 4.Db-scan算法
|
1.文本主题的意义
2.LDA算法详解
3.LDA算法在企业中的应用
|
1.分词的意义和常见分词器使用
2.分词器的改进
3.新词发现基本方法
|
NLP在推荐搜索中的应用 |
神经网络入门 |
CNN神经网络 |
1.推荐常见架构讲解
2.搜索常见架构讲解
3.NLP技术在推荐搜索中的应用
|
1.逻辑回归和神经元
2.BP算法原理和训练方法
3.常见激活函数讲解
|
1.图像分类在企业中的应用
2.卷积的基本思想
3.CNN神经网络模型
|
LSTM模型 |
AI写诗 |
wordembending和fasttext |
1.序列模型简介
2.RNN模型原理讲解
3.LSTM模型原理讲解
|
1.项目背景
2.语料获取
3.LSTM在AI写诗中的应用
|
1.onehot编码 2.词向量的优点和意义
3.词向量的原理和调参
4.fasttext在文本分类中的应用
|
聊天机器人 |
1.聊天机器人在企业中的应用
2.如何打造聊天机器人
...
|