想知道怎麼學人工智慧嘛？都在這裡！

人工智慧

（Artificial Intelligence）

☆

前導課程

☆

Python

數字和字元、函數，安裝和條件語句、數據結構和循環、文件和模塊、數據抓取案例

線性代數（針對機器學習內容）

微積分（針對機器學習內容）

統計和概率（針對機器學習內容）

☆

中級必修課程

☆

數據分析

分析流程：

1、數據採集

2、數據預處理

3、建模

4、優化和 調試

Numpy&Pandas

調查數據集

☆

中級選修

☆

自動化：

1、工程檢測 2、機器視覺 3、異常預測等

計算機視覺：

1、圖像識別分類 2、目標追蹤、 3、使用OpenCv等

語音識別：

1、聲學模型 2、Deep Neural Networks 3、Hidden Markov Model等

自動駕駛：

1、檢測對象 2、物體識別分類 3 、物體定位 4 、運動預測

☆

高級必修課程

☆

機器學習

監督學習：

Regression 回歸

1、線性回歸 2、多項線性回歸 3、支持向量回歸 4、決策樹回歸

5、隨機森林回歸

Classification 分類

1、k-近鄰演算法 2、支持向量機 3、內核支持向量機 4、樸素貝葉斯

5、決策樹 6、邏輯回歸 7、隨機森林分類 8、Adaboost

無監督式學習：

聚類（k-均值聚類、分層聚類）

關聯分析（演算法、增長演算法）

降維（主要成分分析、內核主要成分分析、奇異值分解）

隱馬爾可夫模型

強化學習：

馬爾可夫決策過程、動態編程、蒙特卡羅方法、時間差分學習

深度學習：

神經網路、人工神經網路、卷積神經網路、循環神經網路

課程大綱

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！