人工智能核心基础 - 规划和概要

Hi，你好。又见面咯，我是茶桁。

在之前，我花了两个来月的时间撰写了「Python 篇」和「数学篇」，希望小伙伴们在正式进入 AI 之前能够打好一个基础。那么今天开始，我们将正式开始 AI 基础的学习。

这一节课咱们先不着急直接开始课程，而是聊一下本次课程的一个规划。

在整个课程规划中，我们将会直接从机器学习开始入手，进入深度学习，然后开始接触 RNN、CNN 以及三大方向：NLP、CV 和 BI。核心能力将会分成四大部分进行展开精讲。

目录规划

基础能力

• 人工智能导论

• 机器学习初探

• 机器学习进阶（这部分会比较长）

• 深度学习进阶

• RNN

• CNN

• 自然语言处理基础（NLP）

• 计算机视觉基础（CV）

• 商业智能（BI）

BI 精讲

• 预测全家桶与机器学习四大神器

• Fintech 数据分析

• 数据可视化与 DashBoard

• ALS 算法与推荐系统

• SVD 矩阵分解与基于内容的推荐

• PageRank、图论与推荐系统

• Graph Embedding

• 强化学习

NLP 精讲

• 自然语言处理的基本过程

2. 向量空间模型

3. 自然语言处理初步

4. 语言模型和概率图模型

5. 词向量模型 Word2Vec

6. Transformer 与 BER,大规模预训练问题

7. 自然语言生成

8. 自然语言处理与人工智能前沿

CV 精讲

• 初阶计算机视觉：图像处理

2. 中阶计算机视觉：图像描述

3. 中阶到高阶的关键：CNN 方法

4. 计算机视觉中的图像分类

5. 深度学习之单阶段目标检测

6. 深度学习之两阶段目标检测

7. 计算机视觉中的图像分割

8. 计算机视觉中的目标跟踪

内容输出方式

以上目录中的四个部分都属于核心部分，每一个部分都会单独开一个专栏目录。一个是因为收费课程，拆散之后大家可以按照自己的需要进行购买，再一个也是将四部分区分的清晰一点。

虽然每一张专辑都是收费的，但是也并不是所有内容都需要进行购买才可查看。有的时候为了吸引流量，即便没有购买专辑，部分章节会开放阅读全部。

以上目录仅供参考，目录是按照内容概要进行规划的，并不等于实际章节。就像我在写数学篇的时候，本来就只规划了 4 个知识点，但是其中一个知识点可能会讲 7、8 个章节，也可能 3、4 篇就讲完了。所以届时的内容，会比从目录上看要多的多，起码就基础部分的机器学习这一知识点，可能就要十几、二十节课才能讲完。

代码库

在咱们的整个讲解过程，演示代码是不可避免的，并且其中还会包含很多数据。这部分内容基本上都会在咱们的《茶桁的 AI 秘籍》的代码仓库中找到，地址为：https://github.com/hivandu/AI_Cheats

其中部分数据集可能因为太大会上传到百度网盘并分享出来，分享一般都会放在文末，大家可以自取。

其他

如果您阅读时感觉文章不完整，那应该是该网站我暂时无法发布收费专栏，所以我仅提供了部分内容。