- 1一文详解什么是RNN（循环神经网络）
- 2wordcloud词云图和jieba分词，过滤不要的词句（停用词）_词云图去掉无意义的字
- 3基于python快速开发足球游戏代码记录_pygame足球游戏
- 4两台linux虚拟机mac地址冲突_linux 网卡mac地址冲突 csdn
- 5win8以上系统VS Code终端无法执行node，npm，yarn，gulp，vue等命令
- 6纠错_transformer 纠错有道
- 7（数字图像处理MATLAB+Python）第二章数字图像处理基础-第三、四节：数字图像的生成和数值描述_数字图像的产生
- 8window7系统电脑，如何调亮度
- 9使用 Docker 快速上手官方版 LLaMA2 开源大模型_docker 大模型
- 10空间注意力模块与通道注意力模块实现
人工智能学习路线（适合新手）
赞
踩
首先，人工智能本身就是一个交叉学科，涉及到哲学、数学、计算机、控制学等一众学科，所以整体的知识量还是非常庞大的，那么怎么学习呢？盲目学习肯定是不行的，在这里整理了一下大概的学习路线，仅供参考！仔细阅读，文末会有相关资料推荐！！！！
人工智能Python语言入手→→机器学习核心技术→→深度学习核心技术→→NLP自然语言处理技术→→CV计算机视觉技术
01—人工智能开发入门
掌握Python基础语法，对后续学习打下坚实基础。
Python编程
| 基本语法 | 数据结构 | 函数 |
| 面向对象 | 多任务 | 模块与包 |
| 闭包装 | 饰器 | 迭代器 |
Numpy矩阵运算
| Nadrray | Scalars | Boradcasting |
| 矩阵运算 | 矩阵转置 | 矩阵求逆 |
Scipy数值运算库
| Scipy基本使用 | Scipy常量 | Scipy稀疏矩阵 |
| Scipy图结构 | Scipy空间 | Scipy插值 |
Pandas数据科学库
| 自带数据 | 结构数据读取写入 | 数据清洗 |
| 数据计算 | 数据合并 | 数据排序 |
Matplotlib
| 基础图表 | Annotation | Figure |
| 子图 | Legend |
Seaborn
| 数据关系图 | 数据分布图 | 类别图 |
| 回归图 | 矩阵图 | 多变量关系 |
PyEcharts
| 基本使用 | 图表API | 组合图表 |
| 其他资源 | 图表类型 | Web框架整合 |
阶段案例实战
- RFM案例实战
- 电商运营案例实战
教程视频 1、零基础Python编程 2、零基础数据科学库
02— 机器学习核心技术
掌握核心机器学习算法原理，掌握分类、回归、聚类使用场景，满足人工智能数据挖掘类岗位，薪资可达到15K-20K。
Scikit Learn
| 聚类算法API | 数据预处理 | 分类算法API | 回归算法API |
分类算法
| 决策树 | KNN | Adaboost |
| 随机森林 | 逻辑回归 | 朴素贝叶斯 |
| GBDT | XGboost | LightGBM |
回归算法
| 线性回归 | Lasso回归 | 决策树回归 |
| 随机森林回归 | XGboost回归 |
聚类算法
| KMeans | KMeans++ | GMM |
| 基于层次聚类 | 基于密度聚类 | DBSCAN |
属性降维
| 属性降维 | 特征选择 | 因子分析 | PCA | ICA | LDA |
模型选择
| Metrics | Scoring模型得分 |
| Grid search 网格搜索 | Cross Validation 交叉验证 |
| Hyper-Parameters 超参数选择 | Validation curves 模型验证曲线 |
特征工程
| Standardization标准化 | Scaling Features归一化 |
| Non-linear transformation非线性转化 | Gaussian distribution高斯分布转化 |
| Normalization正则化 | Encoding categorical features类别性编码处理 |
阶段案例实战
- 零售行业建模分析
- 电商用户画像行为分析
程视频1、零基础快速入门机器学习
https://link.zhihu.com/?target=http%3A//yun.itheima.com/course/500.html
03— 深度学习核心技术
掌握深度学习算法原理，掌握BP神经网络、CNN、RNN等基础网络结构，为后续NLP和CV奠定技术基础。
人工神经网络
| 损失函数 | 激活函数 | Back Propagation | 优化方法及正则化 |
BP神经网络
| 网络基本结构 | 正向计算 | 链式法则 | 权重更新 |
| Sigmoid函数 | 梯度消失/爆炸 | Batch Normalization |
CNN卷积神经网络
| 局部感受野 | 权值共享 | DropOut |
| 卷积层 | 池化层 | 全连接层 |
RNN循环神经网络
| 梯度裁剪 | 双向长短时记忆网络（BiLSTM） |
| 长短时记忆网络（LSTM） | 门控神经网络(GRU) |
阶段项目实战
- 图像识别案例
- 文本处理案例
教程视频1、深度学习核心技术课程
04— NLP自然语言处理技术
本阶段课程将掌握突破市场最热超高年薪的NLP技术，可应对市场上NLP工程师，根据市场反馈薪资突破30K。
Pytorch编程
| 定义损失函数 | 自动微分功能 | 定义优化器 | 定义模型结构 |
传统序列模型
| 隐马尔科夫模型 | 条件随机场 | 原理与实践 | CRF与HMM区别 |
Transfomer原理
| 编码器 | 解码器 | 注意力机制 |
| 语言模型 | 模型超参数 | 模型验证 |
文本预处理
| 文本处理基本方法 | 文本张量表示方法 | 文本语料数据分析 |
| 数据增强方法 | 命名实体识别 | Word Embedding词嵌入 |
RNN及变体
| 传统RNN | LSTM | Bi-LSTM | GRU | Bi-GRU | Seq2Seq |
迁移学习
| FastText | 预训练模型 | Google BERT | GPT | GPT-2 | 权重微调 |
阶段项目实战
- 文本分类
- 文本生成
教程视频1、NLP基础2、Pytorch编程3、Google BERT入门4、NLP项目实战
05— CV计算机视觉技术
掌握计算机视觉基础算法原理，掌握目标检测、分类、跟踪等各类CV任务，可应对市场上CV工程师岗位，薪资可达20K以上。
OpenCV图像处理
| 读写图像 | 灰度变换 | 几何变换 | 形态学 |
| 纹理分割 | 视频操作 | 边缘检测技术 | 特征检测和描述 |
Tensorflow编程
| 常量 | 变量 | 高阶API | tf.data | tf.keras |
目标分类
| 卷积计算方法 | 多通道卷积 | AlexNet |
| VGG | ResNet残差网络 | ImageNet分类 |
目标检测
| RCNN | FPN | SSD | ROI Pooling | FasterRCNN | 非极大抑制NMS |
目标分割
| 全卷积 | ROI Align | DeepLab |
| MaskRCNN | 金字塔池化模块 | 语义分割评价标准 |
阶段项目实战
- 目标分类
- 目标检测
教程视频1、OpenCV入门2、Tensorflow框架3、CV计算机视觉项目实战
06— 大厂面试专题
围绕大厂高频面试题，针对机器学习、深度学习、CV、NLP、数据结构与算法系列等专题去刷题
数据结构
| 栈 | 树 | 图 | 数组 | 链表 | 哈希表 |
常见算法
| 排序 | 查找 | 链表算法 |
| 动态规划 | 二叉树 | 递归算法 |
| 贪心算法 | 图算法 | 队列算法 |
机器学习&深度学习
| 分类算法面试专题 | 聚类算法面试专题 |
| 回归算法面试专题 | 深度学习基础面试专题 |
NLP & CV面试专题
| 深度学习与NLP面试专题 | 深度学习与CV面试专题 |
练习地址：
01 在线自定义刷题神器_自动生成面试笔试题_IT自测题库-趣IT
02 LintCode 炼码https://www.lintcode.com/problem/?typeId=4
推荐学习资料整理在github:学习资料
整理了一上午知识点，一直在思考一个问题，什么样子的人工智能人才受欢迎？大概是能将模型应用于专业领域的人，即跨领域让机器学习落地的人。对于大部分机器学习实践者来说还是该脚踏实地，盲目追逐热点很容易跌进陷阱，而巩固基础、寻找自己擅长的领域和机器学习交叉点可以帮助你在未来的就业市场变得炙手可热，成为工业界紧缺的人工智能人才。共勉
