简述对人工智能AI(artificial intelligence)的理解
自己通过思维导图，绘制IT技术发展图，重点绘制人工智能领域
一般人工智能和强化人工智能的区别是什么？
大数据和人工智能的关系
人工智能应用在哪些方面得到了应用
人工智能为什么说是拟人
人工智能的工作流程是什么
人工智能的本质是去计算什么
人工智能类别
回归和分类任务的本质
回归和分类的应用方面有哪些？
聚类和降维任务的本质是？目标是？区别是？应用有哪些？
回归，分类，聚类，降维它们是有监督的机器学习？还是无监督的机器学习？
本章资料下载地址
机器学习和深度学习的本质区别是什么？
针对AI算法工程师必备技能，罗列自己具备的优势，以及需要弥补的短板是哪些？
思考并列举在自己生活或工作环境中，哪些问题可以通过应用人工智能来替代或完善？
针对不同的机器学习方式，分别至少列举一个适合的AI应用场景
深度学习相比机器学习而言，罗列出优势有哪些？
搭建 Python 运行环境，分别使用 Pycharm 和 Jupyter 运行代码
构建 Conda 虚拟环境，使用虚拟环境运行 Python 代码
本章节资料下载地址
打印九九乘法表
使用 range 生成序列：30,40,50,60,70,80
使用 lambda 匿名函数定义一个函数f，调用函数f，对两个数求和
使用 reduce 函数，完成0到100求和
定义Bike类及相应方法，创建一个实例对象，让自行车run起来
将123456789之间加入`+-*/`符号，使得结果等于50。比如`1*2*3*4-56-7+89`就是一种组合，通过python编程打印所有组合
创建一个向量里面的值从10 到 49
利用pandas包的DataFrame函数的serias创建列然后用dtype定义类型
中文乱码问题，需要加两行代码解决中文乱码问题
创建一个3x3的矩阵里面值的范围从0到8
利用pandas去掉包含缺失值的行
约束y轴的坐标范围
创建如下图形
创建一个5行10列的矩阵，然后每个值减去矩阵每行的平均值
对缺失值进行填充，用指定值或插值方法填充缺失数据
创建3行3列的矩阵，按照第2列的值，将行重新排序
创建5行5列的矩阵，交换其中的两行
从dataframe中找到a列最大值对应的行
从dataframe中获取c列最大值所在的行号
本章节资料下载
在纸上自行推导一遍多元线性回归的损失函数
代码实现全量梯度下降的方式，求解线性回归模型
编写代码，完成解析解的方式求解线性回归模型
代码实现通过小批量梯度下降，求解线性回归模型
编写代码，通过调用 scikit-learn 模块求解线性回归模型
代码改进，在梯度下降过程中，每隔一定轮次减小学习率
改进梯度下降的代码，使用 StardardScaler ，对数据进行标准归一化
将课程中实战保险花销预测代码，至少敲一遍
改进代码，训练模型前使用归一化以及多项式升维来进行特征转换
编写代码，调用 scikit-learn 模块中的 Ridge 和 Lasso 求解线性回归模型
编写代码，绘制横着为epoch，纵轴为loss的曲线。对比加与不加正则项曲线的变化
改进梯度下降的代码，使得损失函数相当于加上了 L2 正则项
改进梯度下降的代码，使得损失函数相当于加上了 L1 正则项
不使用 StardardScaler ，通过 numpy 的函数对数据进行标准归一化
默写最大值最小值归一化，和标准归一化的公式
在纸上自行推导一遍逻辑回归的损失函数和其导函数
编写代码，实现梯度下降的方式，求解逻辑回归二分类模型
编写代码，调用 scikit-learn 模块中的逻辑回归，求解多分类模型
将课程中绘制逻辑回归损失函数代码，至少敲一遍
编写代码，调用 scikit-learn 模块中的 Softmax 回归，求解鸢尾花数据多分类模型
将课程中实战音乐分类器代码，至少敲一遍
编写代码，调用 scikit-learn 模块中的 SVM 分类器，求解鸢尾花数据多分类模型
设置不同的超参数，比如通过设置不同的核函数等超参数，观察模型准确率变化
简述决策树算法
理解决策树的构建流程和数学表达
谈谈对决策树的原理的理解
谈谈对基尼系数的理解
谈谈对熵的理解
谈谈对信息增益(ID3算法)的理解
谈谈对ID3，C4.5，CART的理解
安装 graphvis，编写代码，绘制决策树模型
训练过程中，每轮训练一直存在分类错误的问题，整个Adaboost却能快速收敛，为何？
使用 scikit-learn 模块中的决策树算法对 Iris 数据集分类
树结构的正则项定义Ω是什么？
梯度提升和梯度下降的区别和联系是什么？
安装 XGBoost 模块，使用 XGBoost 进行特征选择
使用 scikit-learn 模块中的回归树算法拟合 SineWave，设置不同超参数，对比效果
代码实战，调用 scikit-learn 模块中的随机森林算法对 Iris 数据集分类，用上OOB
代码实战，调用 scikit-learn 模块中的 Adaboost 算法对 Iris 数据集分类
在纸上总结 GBDT 算法流程
在纸上推导 GBDT 二分类算法叶子节点分值计算公式
自主利用 IDE 工具对 scikit-learn 模块中的 GBDT 算法源码剖析
课程中讲解的 GBDT + LR 代码实战，至少敲一遍
在纸上自行从开始推导出 XGBoost 算法最终的目标函数
在纸上写出 XGBoost 算法叶子节点的计算公式
在纸上写出 XGBoost 算法每次分裂时的评价指标
权重与函数有什么关系？
谈谈对随机森林的理解
试写出随机森林的公式
随机森林的创建模型的方式有哪几种？
随机森林算法的优缺点
谈谈对(OOB)Out of bag data的理解
谈谈对adaboost的理解
谈谈对权重的理解
简述一下 Adaboost 的权值更新方法
说说adaboost权重调整的流程
谈谈对GBDT(Gradient Boosting Decison Tree 梯度提升决策树)的理解。
说说GBDT的流程
谈谈GBDT中的shrinkage衰减系数的作用
集成学习分为哪几种？它们有何异同？
随机森林属于哪一种集成学习？
随机森林OOB为何可以作为验证集？
课程中讲解的药店销量预测代码，至少敲一遍
访问 Kaggle 官方网站，至少找到一个已完赛的题目，下载相关的训练和测试数据
找到一个已完赛的题目，学会浏览相关的讨论区
搜索国内的AI竞赛平台，至少找到三个
学习下一阶段内容，将 Spark 环境在自己电脑系统中搭建起来
课程中讲解如何使用 SparkMLlib 对网页分类，代码至少敲一遍
课程中讲解如何使用 SparkML 对网页分类，代码至少敲一遍
在纸上默写出来 Sigmoid、Tanh、Relu 函数和它们的导函数
查看自己的电脑中是否有 Nvidia 显卡，如没有，创建一个 conda 虚拟环境，安装 tensorflow 模块
查看自己的电脑中是否有 Nvidia 显卡，如有，创建一个 conda 虚拟环境，安装 tensorflow-gpu 模块
使用 Tensorflow 实现线性回归预测波士顿房价
使用 Tensoflow 实现 Softmax 回归预测 Mnist 手写数字识别
改进代码，实现 DNN 预测 Mnist 手写数字识别
在纸上进行反向传播的推导，并总结 δ 算法流程
在纸上推导 Softmax 回归损失函数的导函数
将课程中 python 实现神经网络及实现 δ 算法训练的代码，至少敲两遍
在纸上总结`1*1`卷积核的作用
编写代码，实现 NMS 非极大值抑制
编写代码，实现 IoU 计算
在纸上绘制 FasterRCNN 整体架构
在纸上罗列从古典目标检测到 FasterRCNN 的演变过程中引入的技术点以及目的
使用 VGG-16 对 COVID19 新冠肺炎检测
将课程中 InceptionV3 对皮肤癌图像分类代码，至少敲一遍
改进之前的梯度下降求解逻辑回归代码，实现不同的 Optimizer 优化来更新参数 w
根据学习的 Tensorflow 实现 CNN，完成以图搜图功能
将课程中 Tensorflow 实现 CNN 对 Mnist 分类代码，IDE 中敲两遍，纸上默写一遍
编写代码，读取一张图片，使用 Tensorflow 对图片进行卷积和池化
在纸上绘制典型的 CNN 架构
车牌识别之训练识别省简称
车牌识别之训练识别数字及字母
车牌识别之字符切割和整体识别
将课程中 FasterRCNN 项目搭建起来，成功运行 train.py 脚本训练模型
利用 IDE 将项目代码梳理清楚，结合理论知识，理解训练和预测数据整个流转过程
在纸上绘制 GAN 对抗生成网络架构
将课程中图片风格迁移项目跑通
列举出 Yolo 和 FasterRCNN 不同点
在纸上绘制 Yolo 整体架构
列举出 Yolo v2 对于 Yolo v1 的所有改进之处
列举出 Yolo v3 对于 Yolo v2 的所有改进之处
将课程中 Yolo v3 项目代码搭建起来，并成功训练相应模型
将项目中聚类 anchors 的代码，至少敲一遍
标注工具 LabelImg 的安装和使用
安装 darknet 工具，并利用 darknet 实战 yolo v3
尝试实现 GIoU，应用到之前的项目代码中
尝试实现 SoftNMS，应用到之前的项目代码中
将课程中讲解的代码，至少敲一遍
Unet 网络实战细胞核语义分割代码，至少敲一遍
蒙版弹幕 MaskRCNN 语义分割项目，搭建起来并跑通
玩转facenet项目对多张图片中人脸embedding
玩转facenet项目对多张图片中人脸聚类，可下载不同人多张人脸图片进行测试
玩转facenet项目实现人脸标注之embedding和比对识别
玩转facenet项目实现实时人脸识别
代码实现，RNN 对 Mnist 手写数字分类识别
改进代码，使用 LSTM 对 Mnist 手写数字分类识别
在纸上绘制 Seq2Seq 中 Attention 注意力机制架构图
在纸上绘制 Transformer 中的 Attention 注意力机制架构图
在纸上绘制 Bert 架构图
在纸上绘制 ERNIE 架构图
基于 Keras 框架，使用 CNN 训练情感分析模型
将课程项目代码搭建并跑通即可
BERT项目实战对中文cnews数据集分类，代码至少敲三遍
Keras实战NER命名实体识别，代码至少敲两遍
Tensorflow 实现中英文机器翻译
Seq2Seq 聊天机器人之训练和预测模型，代码至少敲一遍
Seq2Seq 聊天机器人之数据预处理，代码至少敲一遍
RNN 训练模型写唐诗之训练和预测模型，代码至少敲一遍
RNN 训练模型写唐诗之数据预处理，代码至少敲一遍
基于 Keras 框架，使用 RNN 训练情感分析模型
基于 Keras 框架，使用 DNN 训练情感分析模型
运行并跑通 Word2Vec 项目代码
在纸上绘制 OCR 项目架构
将 OCR 项目搭建起来，并跑通
创建 conda 虚拟环境，安装 PyTorch 框架
将 pycharm 和 jupyter 关联好已安装的 PyTorch 环境
将课程中讲解的 PyTorch 基本操作，代码至少敲一遍
PyTorch 实战cifar10数据分类，代码至少敲一遍
PyTorch 实战图片去雾霾
PyTorch 实战词性标注，代码至少敲一遍
PyTorch 实战中英文翻译，代码至少敲一遍
搭建好 PaddleDetection 工具
尝试完成 BERT 版，物流信息提取项目
ERNIE 版，物流信息提取项目，代码至少敲一遍
进行物流
BiGRU + CRF 版，物流信息提取项目，代码至少敲一遍
项目配置好 PaddleNLP 模块
跟着课程完成 OCR 车牌识别项目
搭建好 PaddleOCR 工具
跟着课程完成 PCB 电路板缺陷检测
PaddlePaddle 预测病理性近视，代码至少敲一遍
PaddlePaddle 预测波士顿房价，代码至少敲一遍
创建 conda 虚拟环境，安装 PaddlePaddle 框架
尝试在 VMWare 虚拟机中安装 Ubuntu 20.04
使用 Xshell 工具远程连接到 Linux 中
将课程中讲解的 Linux 常用命令，至少敲一遍
平时多多积累，尝试刷一些 leetcode 题目
实战 Q-Learning 算法代码，至少敲一遍
实战 Sarsa 和 Sarsa λ 算法代码，至少敲一遍，并理解 λ 超参数作用
实战 DQN 算法代码，至少敲一遍
实战 Policy Gradient 算法代码，至少敲一遍
实战 A3C 算法代码，至少敲一遍，边敲边理解多线程的使用
将课程中讲解的 DDPG、PPO、DPPO 代码，至少敲一遍
尝试利用学过的任一算法，比如A3C或其它，训练 AI 玩转超级马里奥
实操1：针对不同的机器学习方式，分别至少列举一个适合的AI应用场景
非常抱歉给您带来不好的体验！为了更深入的了解您的学习情况以及遇到的问题，您可以直接拨打投诉热线：
我们将在第一时间处理好您的问题！
关于
课程分类
百战程序员微信公众号
百战程序员微信小程序
©2014-2023 百战汇智（北京）科技有限公司 All Rights Reserved 北京亦庄经济开发区科创十四街 赛蒂国际工业园网站维护：百战汇智（北京）科技有限公司 京公网安备 11011402011233号 京ICP备18060230号-3 营业执照 经营许可证：京B2-20212637
京公网安备 11011402011233号