【年度钻石会员】人工智能AI进阶 黑马博学谷 完结无密

[ 主学习路线]01、阶段一 人工智能Python基础/

1–第一章 计算机组成原理/

1–计算机原理/

10–第十章 公共方法/

1–公共方法/

2–推导式/

11–第十一章 函数/

1–函数介绍/

10–函数参数二/

11–拆包, 交换变量/

12–引用/

2–函数参数一/

3–函数返回值一/

4–函数文档说明/

5–函数嵌套/

6–局部变量/

7–全局变量/

8–函数执行流程/

9–函数返回值二/

12–第十二章 函数强化/

1–函数应用学员管理系统/

2–课后练习(学员管理系统)/

3–递归函数/

4–匿名函数/

5–高阶函数/

13–第十三章 文件操作/

1–文件操作介绍/

2–文件读写操作/

3–案例文件备份/

4–文件及文件夹的相关操作/

14–第十四章 面向对象/

1–面向对象介绍/

10–私有属性和方法/

11–多态/

12–类属性及相关方法/

2–类和对象/

3–对象属性操作/

4–魔法方法/

5–案例烤地瓜/

6–案例 搬家具/

7–继承/

8–子类重写父类属性和方法/

9–super方法使用/

15–第十五章 异常/

1–异常介绍/

2–捕获异常/

3–异常传递/

4–自定义异常/

16–第十六章 模块/

1–模块介绍/

2–模块制作/

3–python中的包/

17–第十七章 学生管理系统(面向对象版)/

1–学生管理系统(面向对象)/

2–第二章 python基础语法/

1–课程介绍/

2–注释/

3–变量/

4–bug认识/

5–数据类型/

6–输出/

7–输入/

8–数据类型转换/

9–运算符/

3–第三章 判断语句/

1–判断语句介绍/

2–if基本格式/

3–if…elif…else格式/

4–if嵌套/

5–案例猜拳游戏/

4–第四章 循环语句/

1–循环语句介绍/

2–while循环/

3–循环应用/

4–break和continue/

5–while循环嵌套及应用/

6–for循环/

7–循环else应用/

5–第五章 字符串/

1–字符串介绍/

2–输入输出/

3–切片/

4–字符串操作方法/

6–第六章 列表/

1–列表相关操作/

2–列表循环遍历/

3–列表嵌套/

7–第七章 元组/

1–元组相关操作/

8–第八章 字典/

1–字典介绍/

2–字典的常见操作/

3–字典遍历/

9–第九章 集合/

1–集合的相关操作/

[ 主学习路线]02、阶段二 人工智能Python高级/

1–第一章 Linux基础命令/

1–linux简介/

2–linux相关命令/

10–第十章 MySqL数据库高级使用/

1–条件查询/

2–实战操作/

3–外键使用/

4–视图/

5–事务/

6–索引/

7–设计范式/

8–PyMySQL的使用/

2–第二章 Linux高级命令/

1–linux高级操作/

2–远程控制/

3–vim介绍/

3–第三章 多任务编程/

1–多任务介绍/

2–多进程介绍/

3–多线程介绍/

4–锁的介绍/

5–进程和线程的对比/

4–第四章 网络编程/

1–ip和端口介绍/

2–TCP介绍/

3–TCP开发流程/

4–多任务案例/

5–第五章 HTTP协议和静态服务器/

1–HTTP协议/

2–静态web服务器搭建/

6–第六章 闭包,装饰器及python高级语法/

1–闭包/

2–装饰器/

3–property语法/

4–with语法/

5–python高级语法/

7–第七章 正则表达式/

1–正则表达式/

8–第八章 数据结构与算法/

1–算法概念/

10–选择排序/

11–插入排序/

12–快速排序/

13–二分查找/

14–二叉树/

15–二叉树的遍历/

2–时间复杂度/

3–空间复杂度/

4–数据结构/

5–顺序表/

6–链表/

7–栈/

8–队列/

9–冒泡排序/

9–第九章 MySql数据库基本使用/

1–数据库介绍/

2–数据表的基本操作/

3–where条件查询/

4–排序/

[ 主学习路线]03、阶段三 人工智能机器学习/

1–第一章 机器学习概述V2.1/

1–机器学习介绍/

10–第十章 决策树V2.1/

1–信息增益/

2–特征提取/

3–案例泰坦生存预测/

4–回归决策树/

11–第十一章 集成学习V2.1/

1–集成介绍/

2–随机森林案例/

3–集成学习/

12–第十二章 聚类算法V2.1/

1–聚类算法/

13–第十三章 朴素贝叶斯V2.1/

1–朴素贝叶斯/

14–第十四章 SVM算法V2.1/

1–SVM算法/

15–第十五章 EM算法V2.1/

1–EM算法/

16–第十六章 HMM算法V2.1/

1–HMM算法/

17–第十七章 集成学习进阶V2.1/

1–XGBoost算法/

2–otto案例/

3–lightGBM算法/

4–绝地求生案例/

2–第二章 环境安装和使用V2.1/

1–环境安装及使用/

3–第三章 matplotlibV2.1/

1–matplotlib使用/

4–第四章 numpyV2.1/

1–numpy使用/

5–第五章 pandasV2.1/

1–pandas数据结构/

2–pandas基础使用/

3–pandas高级使用/

4–电影案例分析/

6–第六章 seabornV2.1/

1–绘制统计图/

2–分类数据绘图/

3–NBA案例/

4–北京租房数据统计分析/

7–第七章 K近邻算法V2.1/

1–k近邻算法介绍/

2–kd树/

3–数据集处理/

4–特征工程/

5–KNN总结/

6–交叉验证, 网格搜索/

7–案例 Facebook位置预测/

8–第八章 线性回归V2.1/

1–回归介绍/

2–损失优化/

3–回归相关知识/

9–第九章 逻辑回归V2.1/

1–逻辑回归/

[ 主学习路线]04、阶段四 计算机视觉与图像处理/

1–第一章 课程简介_v2.0/

1–深度学习/

2–计算机视觉（CV）/

10–第十章 图像特征提取与描述_v2.0/

1–角点特征/

2–Harris和Shi-Tomas算法/

3–SIFT/

4–Fast和ORB算法/

5–LBP和HOG特征算子/

11–第十一章 视频操作_v2.0/

1–视频读写/

2–视频追踪/

12–第十二章 案例人脸案例_v2.0/

1–案例人脸案例/

2–第二章 tensorflow入门_v2.0/

1–tensorflow和keras简介/

2–快速入门模型/

3–第三章 深度神经网络_v2.0/

1–神经网络简介/

2–常见的损失函数/

3–深度学习的优化方法/

4–深度学习的正则化/

5–神经网络案例/

6–卷积神经网络CNN/

4–第四章 图像分类_v2.0/

1–图像分类简介/

2–AlexNet/

3–VGG/

4–GoogleNet/

5–ResNet/

6–图像增强方法/

7–模型微调/

5–第五章 目标检测_v2.0/

1–目标检测概述/

2–R-CNN网络基础/

3–Faster-RCNN原理与实现/

4–yolo系列算法/

5–yoloV3案例/

6–SSD模型介绍/

6–第六章 图像分割_v2.0/

1–目标分割介绍/

2–语义分割：FCN与Unet/

3–Unet-案例/

4–实例分割：MaskRCNN/

7–第七章 OpenCV简介_v2.0/

1–图像处理简介/

2–OpenCV简介及安装方法/

3–OpenCV的模块/

8–第八章 OpenCV基本操作_v.2.0/

1–图像的基础操作/

2–算数操作/

9–第九章 OpenCV图像处理_v2.0/

1–几何变换/

2–形态学操作/

3–图像平滑/

4–直方图/

5–边缘检测/

6–模版匹配和霍夫变换/

7–轮廓检测/

[ 主学习路线]05、阶段五 NLP自然语言处理/

[ 主学习路线]05、阶段五 NLP自然语言处理/

1–第一章 Pytorch工具_v2.0/

10–第十章 迁移学习-v2.0/

11–第十一章 BERT,Transformer的模型架构与详解-v2.0/

12–第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0/

13–第十三章 HMM模型-v2.0/

14–第十四章 经典的序列模型-v2.0/

2–第二章 自然语言处理NLP介绍-v2.0/

3–第三章 文本预处理-v2.0/

4–第四章 RNN架构解析-v2.0/

5–第五章 RNN经典案例-v2.0/

6–第六章 莎士比亚风格的文本生成任务-v2.0/

7–第七章 Transformer背景介绍-v2.0/

8–第八章 Transformer架构解析-v2.0/

9–第九章 fasttext工具的使用-v2.0/

[ 主学习路线]06、阶段六 人工智能项目实战/

1–第一章 智慧交通/

1–项目简介/

10–车流量统计/

11–相机校正/

12–相机校正和图像去畸变/

13–车道线提取/

14–透视变换/

15–车道线定位与拟合/

16–车道曲率与车辆偏离中心线距离/

17–在视频中进行车道线检测/

18–SIamese网络系列（选学）/

19–跟踪效果（选学）/

2–算法原理/

20–数据集处理（选学）/

21–网络模型搭建（选学）/

22–网络模型训练（选学）/

23–网络模型测试（选学）/

24–网络模型应用（选学）/

3–多目标跟踪/

4–辅助功能/

5–卡尔曼滤波/

6–匈牙利算法/

7–数据关联/

8–SORT/

9–目标检测/

2–第二章 在线医生/

1–背景介绍/

10–结构化数据流水线/

11–非结构化数据流水线/

12–任务介绍与模型选用/

13–训练数据集/

14–BERT中文预训练模型/

15–构建RNN模型/

16–进行模型训练/

17–NE模型使用/

18–命名实体识别介绍/

19–BiLSTM介绍/

2–Unit对话API使用/

20–CRF介绍/

21–BiLSTM+CRF模型/

22–模型训练/

23–模型使用/

24–在线部分简要分析/

25–werobot服务构建/

26–主要逻辑服务/

27–任务介绍与模型选用及训练数据集/

28–BERT中文预训练模型1/

29–微调模型/

3–在线医生的总体架构/

30–进行模型训练1/

31–模型部署/

32–系统联调与测试/

4–总体架构中的工具介绍/

5–neo4j简介/

6–neo4j图数据库的安装/

7–Cypher介绍与使用/

8–在Python中使用neo4j/

9–离线部分简要分析/

3–第三章 智能文本分类系统/

1–整体系统搭建/

2–构建标签词汇图谱/

3–特征工程和fasttext模型训练/

4–多模型训练和预测/

5–系统联调和测试/

6–泛娱乐推荐介绍/

7–召回模块/

8–排序模块/

4–第四章 实时人脸识别检测项目/

1–人脸识别/

2–口罩检测/

3–Dlib模型训练/

4–活体检测/

5–属性识别/

[ 主学习路线]07、阶段七 人工智能面试强化（赠送）/

1–第一章 自动编码器/

1–自动编码器历史与应用介绍/

2–构建自动编码器/

3–自动编码器改进技巧/

4–变分自动编码器/

10–第十章 贝叶斯方法实现及粒子滤波/

1–贝叶斯方法实现及粒子滤波/

11–第十一章 深度强化学习/

1–强化学习/

2–Q-learning算法/

3–Deep Q-Network/

2–第二章 图像分割应用/

1–图像分割应用介绍/

3–第三章 生成对抗学习/

1–生成对抗学习/

4–第四章 算法进阶迁移学习/

1–迁移学习介绍/

5–第五章 模型可解释/

1–模型可解释/

6–第六章 模型压缩/

1–模型压缩/

7–第七章 终生学习/

1–终生学习/

8–第八章 算法进阶进化学习/

1–进化学习/

9–第九章 贝叶斯方法/

1–贝叶斯方法/

[课外拓展]01、阶段一 HR面试技巧/

[课外拓展]01、阶段一 HR面试技巧/

第一章 1-HR面试技巧/

第三章 3-面试篇/

第二章 2-求职篇/

第四章 4-试用期篇/

[课外拓展]02、阶段二 赠送-人脸支付/

第一章 1-人脸支付/

0-1 项目背景介绍/

0-2 人脸检测子任务/

0-3 人脸姿态估计/

0-4 人脸多任务/

0-5 人脸识别/

0-6 项目集成/

[课外拓展]03、阶段三 赠送-文本摘要项目/

第一章 1-文本摘要项目/

0-1 文本摘要项项目背景介绍/

0-10 模型的预测/

0-11 词向量的单独训练/

0-12 模型的优化/

0-13 PGN架构/

0-14 数据预处理/

0-15 PGN数据特殊性分析/

0-16 迭代器和类的实现/

0-17 PGN模型的搭建/

0-18 PGN模型训练/

0-19 PGN模型预测/

0-2 项目中的数据集初探/

0-20 评估方法介绍/

0-21 BLEU算法理论/

0-22 ROUGE算法理论/

0-23 ROUGE算法实现/

0-24 coverage机制原理/

0-25 coverage模型类实现/

0-26 coverage训练和预测/

0-27 Beam-search原理介绍/

0-28 Beam-search模型类实现/

0-29 TF-IDF算法原理和实现/

0-3 TextRank算法理论基础/

0-30 单词替换法的类实现/

0-31 单词替换法的训练和评估/

0-32 回译数据法实现和评估/

0-33 半监督学习法原理和实现/

0-34 训练策略原理和实现/

0-35 模型转移实现/

0-36 GPU优化原理和实现/

0-37 CPU优化原理和实现/

0-38 Flask实现模型部署/

0-4 TextRank算法实现模型/

0-5 seq2seq架构/

0-6 seq3seq架构/

0-7 工具函数的实现/

0-8 模型类的搭建/

0-9 模型的训练/

[课外拓展]04、阶段四 入学第一课/

无课程相关内容/

[课外拓展]05、阶段五 阶段一 python基础（更新）/

第一章 1-python基础编程/

0-1 python开发环境搭建/

0-10 循环else/

0-11 字符串定义切片/

0-12 字符串查找，替换，合并/

0-13 列表定义及使用/

0-14 元祖定义及使用/

0-15 字典定义及使用/

0-16 案例-学生管理系统（一）/

0-17 集合定义及使用/

0-18 公共方法与推导式/

0-19 函数基本使用/

0-2 Python注释与变量/

0-20 函数基本使用替代视频（04,05,06）/

0-21 函数作用域/

0-22 不定长参数与组包拆包/

0-23 案例-学生管理系统（二）/

0-24 基础加强练习/

0-25 可变类型及非可变类型/

0-26 递推/

0-27 递归/

0-28 lambda表达式/

0-29 文件基本操作/

0-3 Python数据类型/

0-30 文件操作案例/

0-31 案例-学生管理系统（三）/

0-32 python异常处理/

0-33 python模块与包/

0-34 案例-飞机大战/

0-4 Python格式化输出/

0-5 Python运算符/

0-6 Python分支语句/

0-7 while循环/

0-8 while循环案例/

0-9 for循环及案例/

第二章 2-python面向对象/

0-1 类定义及类属性使用/

0-2 魔法方法/

0-3 案例-面向对象/

0-4 面向对象封装与继承/

0-5 面向对象多态/

0-6 类属性方法/

[课外拓展]06、阶段六 阶段二 Python高级（更新）/

第一章 1-Linux基础/

0-1 Linux基础/

0-2 Linux终端基本使用/

0-3 Linux常用命令(1)/

0-4 Linux常用命令(2)/

第三章 3-Python编程进阶/

0-1 函数的闭包/

0-10 进程/

0-11 线程/

0-12 进程线程对比/

0-13 With上下文管理器/

0-14 Python生成器/

0-15 Python中深浅拷贝/

0-16 Python中正则表达式/

0-17 正则表达式扩展/

0-18 FastAPI搭建Web服务器/

0-19 Python爬虫/

0-2 装饰器/

0-3 PyMySQL/

0-4 HTML基础/

0-5 CSS基础/

0-6 Socket网络编程/

0-7 TCP服务器开发/

0-8 静态Weeb服务器/

0-9 FastAPI/

第二章 2-SQL基础/

0-1 数据库基础/

0-2 SQL语言基础/

0-3 SQL约束/

0-4 SQL聚合/

0-5 SQL多表查询/

0-6 SQL高阶特性/

[课外拓展]07、阶段七 阶段三 机器学习（更新）/

第一章 1-机器学习基础算法/

0-1 人工智能原理基础/

0-2 KNN算法/

0-3 线性回归/

0-4 逻辑回归/

第二章 2-机器学习算法进阶/

0-1 决策树算法/

0-2 朴素贝叶斯算法/

0-3 SVM算法/

0-4 聚类算法/

0-5 集成学习算法/

0-6 机器学习算法回顾总结（有需要的同学可以看看）/

[课外拓展]08、阶段八 阶段四—深度学习基础补充视频/

[课外拓展]08、阶段八 阶段四—深度学习基础补充视频/

[课外拓展]09、阶段九 阶段五—NLP基础补充视频/

[课外拓展]10、阶段十 CV基础+项目（更新）/

[课外拓展]10、阶段十 CV基础+项目（更新）/

第一章 1-Pytorch与深度学习基础/

第三章 3-01 – 目标检测/

第二章 2-深度学习核心模型与实战/

第五章 5-03 – 人脸支付/

第六章 6-04 – 智慧交通/

第四章 4-02 – OpenCV/

资料课件/