人人必学之人工智能

人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，
总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。
ai111.vip技术网站立志于对人工智能进行大众化普及推广，让每个人提前应对人工智能的冲击，每个人都需要提前重新定位。
个人使命是：让天下人人学会人工智能，为中国在最短的时间内成为人工智能强国而贡献微薄之力！

Python基础必学

手把手教人工智能之Python基础必学

Python网站Web开发框架Django

Python网站Web开发框架Django学习研究

Python高级编程与科学计算模块

Python高级编程与科学计算模块 NumPy,scipy,pandas,Matplotlib等
1、容器  2、容器浅拷贝与深拷贝  3、高阶函数  4、lambda表达式  5、约瑟夫环问题  6、模块和高级包  7、时间库  
8、并发库科学计算库  9、Matplotlib可视化绘图库  10、锁和线程   11、多线程编程  12、（项目）职位画像   13、（项目）豆瓣TOP250抓取

高中数学&大学数学&AI相关数学

高中数学基础、大学数学基础、AI相关的数学
人工智能=70%数学(包括算法)+30%代码
学好数理化 走遍天下都不怕
1、数据分析 2、概率论  3、线性代数与矩阵  4、凸优化  5、微积分  6、古典模型  7、逼近论  8、牛顿法  9、梯度下降

数据结构与算法之美

数据结构与算法之美，算法面试必备，从真题到思维全面提升，算法思维

Python分布式爬虫Scrapy框架

从0讲解爬虫基本原理，对爬虫中所需要用到的知识点进行梳理，从搭建开发环境、设计数据库开始，通过爬取三个知名网站的真实数据，带你由浅入深的掌握Scrapy原理、各模块使用、组件开发，Scrapy的进阶开发以及反爬虫的策略
彻底掌握Scrapy之后，带你基于Scrapy、Redis、elasticsearch和django打造一个完整的搜索引擎网站

机器学习ML

1、特征工程  2、NLP特征工程  3、Linear Regression算法  4、Lasso Regression算法  5、Ridge Regression/Classifier算法  
6、Elastic Net算法  7、Logistic算法  8、K-临近算法KNN  9、回归算法  10、决策树   11、随机森林和提升算法   12、Bagging和Boosting算法  13、随机森林   14、Adaboost算法  15、GBDT算法  
16、SMO算法  17、SVM回归SVR和分类SVC    18、聚类算法和K-means算法    19、密度聚类   20、层级聚类   21、谱聚类   22、EM算法    23、贝叶斯算法   
24、隐马尔科夫模型   25、HMM的参数学习   26、LDA主题模型   27、Laplace平滑   28、Gibbs采样   29、百度音乐系统文件分类   30、千万级P2P金融系统反欺诈模型训练

深度学习DL

1、TensorFlow   2、TensorFlow实现回归算法   3、TensorFlow工具库：Keras   4、感知器神经网络    5、BP神经网络   
6、RBF径向基神经网络   7、卷积神经网络CNN   8、循环神经网络RNN    9、对抗网络

强化学习RL

强化学习理论受到行为主义心理学启发，侧重在线学习并试图在探索-利用间保持平衡。
不同于监督学习和非监督学习，强化学习不要求预先给定任何数据，
而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数，
一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能，
可以在围棋和电子游戏中达到人类水平！

CV计算机视觉

NLP自然语言处理

NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。
自然语言是人类智慧的结晶，自然语言处理是人工智能中最为困难的问题之一，而对自然语言处理的研究也是充满魅力和挑战的。

推荐算法及数据挖掘

1、推荐算法   2、协同过滤   3、基于内存推荐   4、知识推荐   5、数据关联规则   6、Aprior算法   
7、（项目）百度云音乐推荐系统    8、（项目）隐因子模型推荐系统开发

常见报错汇总

各种报错汇总

图像风格转换

人工智能之实战项目
图像风格转换 V1算法用TensorFlow实现 手把手的教大家敲代码
V2算法 模型结构图 改进 也可以用于图像的超清化
V3算法 摆脱了Gram矩阵计算风格损失的尴尬

中文文本分类

中文文本分类也可以应用于：舆情监测、互联网文本分类、垃圾邮件分类等问题
利用RNN（LSTM or GRU）或一维卷积CNN对10类的中文新闻数据进行分类学习
中文分词：jieba
项目模块：词表的封装 类别的封装 数据集的封装 模型的构建 训练执行
经过多层RNN计算之后取最后一个时刻的数据 进行2层全连接层映射到类别数上
分别使用了TensorFlow提供的rnn_cell、手动实现的单层LSTM cell、一维卷积技术对同一个问题进行训练

GAN实战手写数字图片生成

利用dcgan技术实现mnist数据集图片生成问题
在模型构建阶段，封装G生成器与D判别器，之后DCGAN类将两者融合一起训练
对于G：输入随机向量 经过反卷积操作生成fake图片，注意记录G的模型训练参数
对于D：输入图片 经过卷积操作后FC映射到0、1真假两类，同时记录D的模型训练参数
对于DCGAN：连接G与D构建整个计算图，定义loss，对于生成器：希望生成的图片 尽量愚弄判别器 使生成的图片被判别器判断为1真实的，对判别器的损失函数：希望判别能力越强越好，越准越好，将真的图片分成为1真实的 将假（生成）的图片分为0不真实的，定义train_op：生成器与判别器是交替去训练的，用控制依赖，同时训练的时候是训练各自的模型参数，互不干扰，相互博弈的过程

图像生成文本

在深度学习出现之前基本不可解
1、应用领域多 如：图像搜索 视频解说等
2、CNN与RNN的综合应用

人脸检测（基于SSD）

人脸检测业务场景综述
判断是否存在人脸,如果存在人脸则定位到人脸的位置
标准的目标检测问题(针对人脸目标)
1、姿态和表情的变化
2、不同人的外观差异
3、光照,遮挡的影响
4、不同视角
5、不同大小、位置

驾驶辅助系统ADAS实战

ADAS业务场景综述
先进驾驶辅助系统( Advanced Driver Assistance System)
简称ADAS,是利用安装于车上的各式各样的传感器,在第一时
间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追
踪等技术上的处理,从而能够让驾驶者在最快的时间察觉可能发
生的危险,以引起注意和提高安全性的主动安全技术。

通用物体检测实战（基于YOLO）

基于YOLO算法的通用物体检测项目实战总结（干货）

自然场景下通用物体检测业务场景综述

物体检测旨在构造智能算法和程序,来“观察”这个世界。
1、计算机本身是比较困难将这些信息抽象成为一种比较高层语意的表达,去对应现实生活中的名词概念。
2、我们通常所说的“观察”(see),实际上是已经包含了对视觉信息的加工,以及和真实世界的关系映射。

文本检测项目实战（基于EAST）

对自然场景下图片中的文字区域进行检测
TextBoxes TextBoxes++都是基于ssd改进的
文本检测算法：定位文字所在区域
传统的检测框架(SSD,YOLO, Faster-RCNN):效果不理想
针对文本检测问题专门设计的框架：

多任务网络训练实战

多任务网络：使用同一个网络同时训练多个任务
端到端网络 end-to-end

多任务网络的技术难点：
1、训练数据更加复杂
2、共享卷积层的调整
3、训练过程更加复杂，考虑任务之间的平衡