课程目录

• 关于百战程序员
• 百战程序员教学平台介绍
• 百战程序员课程的精妙设计(图形化和动画)
• 百战程序员如何保证学习效果
• 人工智能-百战程序员(1)
• 人工智能5天入门训练营
• 视频
• 01_人工智能就业前景与薪资
• 02_人工智能适合人群与必备技能
• 03_人工智能时代是发展的必然
• 04_人工智能在各领域的应用
• 05_人工智能常见流程
• 06_机器学习不同的学习方式
• 07_深度学习比传统机器学习有优势
• 08_有监督机器学习任务与本质
• 09_无监督机器学习任务与本质
• 10_理解简单线性回归
• 11_最优解_损失函数_MSE
• 12_扩展到多元线性回归
• 13_理解多元线性回归表达式几种写法的原因
• 14_理解维度这个概念
• 15_理解回归一词_中心极限定理_正太分布和做预测
• 16_假设误差服从正太分布_最大似然估计MLE
• 17_引入正太分布的概率密度函数
• 18_明确目标通过最大总似然求解θ
• 19_对数似然函数_推导出损失函数MSE
• 20_把目标函数按照线性代数的方式去表达
• 21_推导出目标函数的导函数形式
• 22_θ解析解的公式_是否要考虑损失函数是凸函数
• 23_Python开发环境版本的选择及下载
• 24_Anaconda环境安装_Pycharm环境安装
• 25_Pycharm创建脚本并测试python开发环境
• 26_解析解的方式求解多元线性回归_数据Xy
• 27_解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形
• 28_解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换
• 29_Scikit-learn模块的介绍
• 30_调用Scikit-learn中的多元线性回归求解模型(上)
• 31_调用Scikit-learn中的多元线性回归求解模型(下)
• 32_梯度下降法产生的目的和原因以及思想
• 33_梯度下降法公式
• 34_学习率设置的学问_全局最优解
• 35_梯度下降法迭代流程总结
• 36_多元线性回归下的梯度下降法
• 37_全量梯度下降
• 38_随机梯度下降_小批量梯度下降
• 39_对应梯度下降法的问题和挑战
• 40_轮次和批次
• 41_代码实现全量梯度下降第1步和第2步
• 42_代码实现全量梯度下降第3步和第4步
• 43_代码实现随机梯度下降
• 44_代码实现小批量梯度下降
• 45_代码改进保证训练数据全都能被随机取到
• 46_代码改进实现随着迭代增加动态调整学习率
• 人工智能之快速入门与线性回归
• 视频
• 01_五天实训的内容_人工智能应用
• 02_AI的流程_ML和DL关系_回归、分类、聚类、降维的本质
• 03_线性回归的表达式_损失函数MSE
• 04_推导出多元线性回归的损失函数
• 05_从MSE到θ的解析解形式
• 06_安装Anaconda和PyCharm运行和开发软件
• 07_python代码实现多元线性回归解析解的求解方法
• 08_梯度下降法的步骤_公式
• 09_根据损失函数MSE推导梯度的公式
• 人工智能之人脸识别与目标检测、语义分割
• 视频
• 01_作业的讲解_知识的回顾
• 02_人脸识别的架构流程分析
• 03_FaceNet论文_架构_三元组损失
• 04_MTCNN论文_架构_损失函数
• 05_facenet-master项目的下载和导入
• 06_人脸识别项目代码_实操作业要求
• 07_FasterRCNN目标检测口罩项目展示_图片标注工具labelimg的使用
• 08_FasterRCNN论文_架构_思想
• 09_MaskRCNN的架构_思想_蒙版弹幕项目效果
• 人工智能之神经网络与TensorFlow
• 视频
• 01_作业讲解_回顾昨日知识
• 02_打鸡血_聊一下图像算法工程师就业薪资水平
• 03_NN神经元_常用的3种激活函数_NN理解LR做多分类
• 04_讲解Softmax回归算法
• 05_多层神经网络的好处_隐藏层的激活函数必须是非线性的原因
• 06_TensorFlow对于CPU版本的安装
• 07_TensorFlow对于GPU版本的安装
• 08_TensorFlow实现多元线性回归预测房价
• 09_TensorFlow实现Softmax回归分类MNIST手写数字识别
• 人工智能之图像识别与图像分割
• 视频
• 01_TensorFlow实现DNN分类MNIST手写数字识别
• 02_卷积神经网络卷积层_卷积的计算
• 03_池化的计算_SAME和VALID模式_经典CNN结构
• 04_TensorFlow实训CNN分类MNIST手写数字识别
• 05_VGG16网络模型_数据增强_COVID19医疗图片的识别
• 06_U-Net网络模型_细胞核数据的读取
• 07_U-Net网络进行细胞核切分的训练代码