mk-AI人工智能算法工程师[20周]【VIP专享】

课程目录

【0】源码+PDF课件+电子书
电子书（mhtml格式，浏览器打开即可）.zip 78.44M
源码+PDF课件.zip 4.57G
【第10周】 PyTorch数据处理与网络模型构建
10-1-1 第1章 周课程整体介绍与安排
10-1-2 第2章 安装PyTorch
10-1-3 第3章 Tensor的操作
10-2 数据集加载与应用
10-2-1 第1章 Dataset与Dataloader
10-2-2 第2章 数据增强与转换
10-3 网络模型搭建实战
10-3-1 第1章 网络模型搭建实战
【第11周】 深入PyTorch模型的训练与可视化
11-1 PyThorch训练基础与数据可视化
11-1-1 第1章 模型训练与可视化
11-2 PyThorch训练进阶与性能优化
11-2-1 第1章 PyTorch 训练进阶
11-2-2 第2章 模型性能提升方法
11-3 PyThorch软件封装
11-3-1 第1章 PyThorch软件封装
【第12周】 CNN图像处理模型
12-1 简单链式模型理论与实战
12-1-1 第1章 简单链式模型理论与实战
12-2 多分支模型理论与实战
12-2-1 第1章 多分支模型理论与实战
12-3 残差模型理论与实战
12-3-1 第1章 残差模型理论与实战
【第13周】 移动端AI高效率分组模型
13-1 mobilenet模型理论与实战
13-1-1 第1章 卷积拆分分组与Xception
13-1-2 第2章 MobileNet 模型
13-1-3 第3章 从零搭建MobileNet模型
13-2 shufflenet模型理论与实战
13-2-1 第1章 ShuffleNet模型
13-2-2 第2章 从零搭建ShuffleNet模型
【第14周】 卷积注意力模型
14-1 特征通道注意力
14-1-1 第1章 注意力模型基础
14-1-2 第2章 特征注意力模型
14-1-3 第3章 从零搭建SENet
14-2 空间注意力
14-2-1 第1章 空间注意力
14-3 混合注意力模型
14-3-1 第1章 混合注意力模型
【第15周】 Transformer模型
15-1 Transformer 原理与实现
15-1-1 第1章 自注意力机制
15-1-2 第2章 Transformer模型
15-1-3 第3章 从零搭建Transformer
【第16周】 Vision Transformer 模型
16-1 Vision Transformer模型
16-1-1 第1章 基础 ViT模型
16-1-2 第2章 从零搭建Vision Transformer
16-2 轻量级VisionTransformer
16-2-1 第1章 轻量级ViT模型
16-2-2 第2章 从零搭建Mobile ViT模型
【第17周】【视觉领域】图像分类技术与项目实战
17-1 图像分类基础与实践：安防监控人脸表情识别
17-1-1 第1章 图像分类基础与模型
17-1-2 第2章 人脸表情识别实战
17-2 多标签分类与实战：生活用品多标签分类
17-2-1 第1章 多标签图像分类模型
17-2-2 第2章 实战：生活用品多标签分类
【第18周】 【工业领域】目标检测技术与项目实战
18-1 目标检测基础与YOLO系列模型原理
18-1-1 第1章 目标检测基础
18-1-2 第2章 YOLO系列模型原理
18-2 实践：YOLO v5车牌检测实战
18-2-1 第1章 YOLO v5车牌检测实战
【第19周】 【医疗与直播领域】图像分割技术与项目实战
19-1 图像分割基础与模型
19-1-1 第1章 图像分割基础
19-1-2 第2章 经典语义分割模型
19-1-3 第3章 语义分割的关键技术改进
19-2 实践：基于UNet的人脸语义分割
19-2-1 第1章 基于UNet的人脸语义分割实战
【第1周】 快速搞清楚人工智能
1-1 人工智能发展前景与就业方向
1-1-1 第1章 课程全面解析
1-1-2 第2章 人工智能到底是什么？
1-1-3 第3章 人工智能发展背后的历史
1-1-4 第4章 解锁人工智能各大行业典型应用&就业方向
【第20周 】【视频分析领域-火热领域】视频分类技术与项目实战
20-1 视频分类与行为识别基础
20-1-1 第1章 视频分类基础
20-1-2 第2章 三维卷积模型
20-1-3 第3章 双流模型
20-2 实战：3DCNN视频分类实战
20-2-1 第1章 3DCNN视频分类实战
【第2周】 AI编程基石：Python入门与进阶
2-1 Python起步：入门与环境搭建
2-1-1 第1章 周课程整体介绍和安排
2-1-2 第2章 Anacond软件：安装、管理python相关包
2-1-3 第3章 Jupyter Notbook&Pycharm：Py开发
2-1-4 第4章 环境配置的优化方案
2-2 Python基础与程序流程控制
2-2-1 第1章 基础语法与输入出
2-2-2 第2章 顺序结构语句
2-2-3 第3章 选择结构语句
2-2-4 第4章 循环结构语句
2-3 Python列表、元组、字典和集合
2-3-1 第1章 Python序列与应用
2-4 Python函数、模块，文件与文件夹操作
2-4-1 第1章 Python函数
2-4-2 第2章 python模块
2-4-3 第3章 Python文件与文件操作
2-5 Python面向对象编程
2-5-1 第1章 面向对象的概念
2-5-2 第2章 面向对象的特征
2-5-3 第3章 综合案例
【第3周】 AI编程基石：Python高级编程
3-1 Python的文件、表格、绘图、视频处理
3-1-1 第1章 周课程整体介绍与安排
3-1-2 第2章 文本文件操作
3-1-3 第3章 pandas 表格数据处理
3-1-4 第4章 Matplotlib 常用画图处理
3-1-5 第5章 OpenCV 影像数据处理
3-1-6 第6章 pickle文件处理：数据序列化处理
3-2 PyQt构建用户界面应用程序
3-2-1 第1章 PyQt安装与构建用户界面
3-2-2 第2章 优化PyQt构建用户界面应用程序
【第4周】 人工智能底层基石-三大必备AI 数学基础
4-1 线性代数：人工智能数据基础
4-1-1 第1章 周课程整体介绍与安排
4-1-2 第2章 线性代数
4-2 微积分： 数学背后的AI力量
4-2-1 第1章 概念回顾：导数、微分、积分
4-2-2 第2章 链式求导
4-2-3 第3章 反向传播算法
4-3 概率论： 数据科学与AI的关键
4-3-1 第1章 概率论核心概念与案例
【第5周】 机器学习 - 解锁人工智能的核心
5-1 机器学习理论&常见任务
5-1-1 第1章 周介绍和课程安排
5-1-2 第2章 机器学习基础
5-1-3 第3章 机器学习特征
5-1-4 第4章 机器学习常见任务
5-2 评估目标与优化目标
5-2-1 第1章 机器学习评估指标
5-2-2 第2章 机器学习优化目标
5-3 机器学习模型实践
5-3-1 第1章 逻辑回归模型原理与实战
【第6周】 神经网络 - 处理和学习复杂的数据
6-1 单层神经网络原理与实践
6-1-1 第1章 周课程整体介绍与安排
6-1-2 第2章 生物神经网络原理
6-1-3 第3章 感知器与梯度反向传播
6-2 多层神经网络原理与实践
6-2-1 第1章 多层感知器与反向传播算法
6-2-2 第2章 多层神经网络案例实践
6-3 序列神经网络
6-3-1 第1章 序列预测问题与RNN模型
6-3-2 第2章 长短时记忆网络与门控循环单元
【第7周】 卷积神经网络（CNN）-处理具有网格结构数据的任务
7-1 卷积神经网络基础
7-1-1 第1章 周课程整体介绍与安排
7-1-2 第2章 卷积神经网络基础
7-1-3 第3章 卷积与全连接的比较
7-2 典型卷积神经网络模型
7-2-1 第1章 卷积与池化反向传播
7-2-2 第2章 典型卷积神经网络模型
【第8周】 深度学习优化-使用深层神经网络来解决复杂的任务
8-1 参数初始化+激活函数
8-1-1 第1章 周课程整体介绍与安排
8-1-2 第2章 深度学习优化：标准化
8-1-3 第3章 深度学习优化：泛化与正则化
8-2 标准化方法+正则化
8-2-1 第1章 标准化方法
8-2-2 第2章 正则化
8-3 学习率与最优化方法
8-3-1 第1章 学习率与最优化方法
【第9周】 数据获取、整理与应用 - 构建数据之源，驱动智能决策
9-1 数据获取与整理：构建可靠数据
9-1-1 第1章 周课程整体介绍与安排
9-1-2 第2章 数据获取：图像和视频数据爬取
9-1-3 第3章 数据整理：对数据进行整理、清洗和去噪
9-1-4 第4章 数据标注：工具与使用
9-2 数据增强方法与实践
9-2-1 第1章 数据增强
9-2-2 第2章 数据增强库imgaug实践
解压密码：www.mk-AI人工智能算法工程师[20周]/