本套课程来自马士兵-AI人工智能工程师1-4期2022年

本套课程文件总计169G，附课程相关资料

课程目录

• 01、人工智能1期
• 1.概述and特征提取
• 10.朴素贝叶斯模型：简单背后蕴含的有效
• 11.支持向量机SVM1-曾经的分类王者
• 12.SVM2-昔日辉煌，传统方法顶峰详解
• 13.分类器背后的秘密和机器学习三大定律
• 14.三个臭皮匠顶一个诸葛亮-决策树和随机森林
• 15.集成学习：企业神器GBDT详解
• 16.Kmeans聚类：无监督学习，让数据自己说话
• 17.DBscan聚类：kmeans升级，数据更具智能
• 18.LDA：文本数据大杀器，揭示文本背后的秘密
• 19.深度学习DNN01-深度学习开启人工智能新时代
• 2.线性回归1 第一个模型用来进行数值预测
• 20.编程工具keras讲解和深度学习为什么会有效
• 21.深度学习的学习算法，梯度下降法和链式法则
• 22.多分类函数softmax和学习方法
• 23.深度学习非线性能力关键：激活函数详解
• 24.深度学习避坑指南：权重初始化的方法和技巧
• 25.集成学习在深度学习中的应用dropout
• 26.梯度下降法的优化和一些先进的学习技术
• 27.项目一：数字图像识别，让机器具有一双眼睛
• 28.项目二：以图搜图技术详解实战01
• 29.项目二：以图搜图技术详解实战02
• 3.从傻瓜到智能，梯度下降法学习法
• 30.开始深度学习在自然语言处理领域的时代
• 31.word2vec的一些特殊问题和优化方法
• 32.项目三：推荐系统整体流程架构解读01
• 33.项目三：A_B测试和相关指标解读02
• 34.项目三：关键词抽取和基于文本的召回算法03
• 35.项目三：推荐系统04基于行为类的召回算法
• 36.项目三：推荐系统05 Airbnb优秀论文解读
• 37.CNN：计算机视觉标配，给AI一双慧眼
• 38.项目四：CNN识别彩色图像，就那么一会
• 39.一期课程内容总结
• 4.突破瓶颈，模型效果的提升
• 40.常见面试题解读01
• 41.常见面试题解读02
• 42.如何写简历
• 43.NLP技术在推荐搜索中的应用
• 44.逻辑回归和神经元
• 45.BP算法原理和训练方法
• 46.常见激活函数讲解
• 47.图像分类在企业中的应用
• 48.卷积的基本思想
• 5.猛将起于卒伍，工业环境下的分类模型
• 6.损失函数推到解析和特征选择优化
• 7.到底好不好？模型评价指标讲解
• 8.让模型看的更准更稳，正则优化
• 9.让学习更高效，数值优化和一只看不见的手
• 02、人工智能2期
• 1.开班典礼_学前必看
• 10.端到端语音合成声学模型
• 11.语音合成声码器及端到端语音合成实战
• 12.LSTM和ELMO
• 13.实战项目：智能输入法
• 14.输入法项目之新词发现
• 15.注意力模型Attention
• 16.注意力模型Self-Attention
• 17.Transformer和Bert
• 18.图像之文本检测
• 19.图像之文本识别
• 2.FM模型
• 20.文本分类项目：分类任务简介、分类系统综述
• 21.文本分类项目：基本模型回顾 – NB、SVM
• 22.文本分类项目：基本模型回顾 – FastText
• 23.文本分类项目：系统集成、系统调优
• 24.文本分类项目：系统优化：实体信息
• 25.文本分类项目： 系统优化：图片分类
• 26.文本分类项目： 深度模型系统：TextCNN
• 27.Tensorflow Serving简介以及深度模型
• 28.高级图像技术1
• 29.高级图像技术2
• 3.推荐系统之协同过滤
• 30.高级图像技术3
• 31.高级图像技术4
• 32.海外项目：推荐系统入门简介
• 33.海外项目：Item2vec算法以及实际应用
• 34.海外项目：数据预处理
• 35.CTR预估算法sparselogistics regression
• 36.深度学习入门
• 37.海外项目：CNN & LSTM详细讲解
• 38.海外项目：self-attention 机制讲解
• 39.海外项目：wide-deep model代码实战
• 4.推荐系统之召回
• 40.智能聊天机器人1
• 41.智能聊天机器人2
• 5.推荐系统之排序1
• 6.推荐系统之排序2
• 7.RNN和LSTM
• 8.语音合成方法介绍
• 9.语音合成前端
• 03、人工智能3期
• 1.信息论入门-概率和信息
• 10.AI架构设计
• 11.推荐系统综述
• 12.量化投资概述：量化投资靠什么赚钱
• 14.量化投资概述：交易市场介绍
• 15.量化投资概述：策略类型介绍
• 16.生成模型GAN
• 17.量化投资概述：风险案例
• 18.量化投资概述：量化工具，AI应用案例
• 19.生成模型VAE
• 2.拉格朗日极值法和泛函分析入门
• 20.GAN背后的秘密
• 21.量化投资概述：机器学习模型应用基础
• 22.量化投资概述：交易行为举例
• 23.PageRank算法1
• 24.PageRank算法2
• 25.期货量化交易：远期和期货介绍
• 26.期货量化交易：远期和期货定价
• 27.期货量化交易：远期和期货应用
• 28.期货量化交易：套期保值策略
• 29.textrank算法
• 3.联合熵，条件熵，互信息，交叉熵
• 30.node2vec算法
• 31.期货量化交易：套期保值计算
• 32.期货量化交易：CAT产品及策略概述
• 35.期货量化交易：图模型在推荐系统中的应用
• 36.图模型在推荐系统中的应用2
• 37.bert和他的朋友们2
• 37.bert和他的朋友们
• 38.期货量化交易：套利策略
• 4.从信息论的角度解读机器学习
• 40.期货量化交易：策略回测
• 41.bert和他的朋友们3
• 42.bert和他的朋友们4
• 43.高频交易：市场微观结构及策略
• 44.高频交易：高频数据及因子计算
• 46.深度学习与语音识别技术基础1
• 46.深度学习与语音识别技术基础2
• 47.高频交易：高频交易案例
• 48.高频交易：高频交易回测
• 49.语音识别之语音信号基础
• 5.矩阵求导术
• 50.语音识别之语音信号基础2
• 51.语音识别之特征处理及HMM模型
• 52.高频交易：高频因子挖掘及高频做市策略
• 53.强化学习量化交易应用2
• 53.强化学习量化交易应用
• 54.股票量化交易：股票发行2
• 54.股票量化交易：股票发行
• 55.股票量化交易：打新策略及风险衡量2
• 56.HMM-GMM模型2
• 56.HMM-GMM模型
• 57.股票量化交易：现代投资组合理论2
• 57.股票量化交易：现代投资组合理论
• 58.语音识别实战一2
• 58.语音识别实战一
• 59.股票量化交易：多因子模型理论-架构
• 59.股票量化交易：多因子模型理论
• 6.文本分类速览1
• 60.语音识别实战一
• 7.文本分类速览2
• 8.从数学的角度看embedding特征维度的选取
• 9.面试指导
• 04、人工智能4期
• 1.数据的量化和特征提取
• 10.深度学习入门
• 11.梯度下降和矩阵求导
• 12.速精机器学习12
• 13.速精机器学习13
• 14.速精机器学习14
• 15.速精机器学习15
• 16.速精机器学习16
• 17.速精机器学习17
• 18.速精机器学习18
• 19.速精机器学习19
• 2.数据的量化和特征提取2
• 20.速精机器学习20
• 21.速精机器学习21
• 22.速精机器学习22
• 23.速精机器学习23
• 24.速精机器学习24
• 3.线性回归
• 4.逻辑回归
• 5.损失函数和正则项
• 6.分类模型的评价指标和多分类
• 7.逻辑回归的高级技巧
• 8.FM模型
• 9.Kmeans
• 05、课件
• 1期课件
• 234期课件