床长人工智能教程 - 目录

灰太狼 2022-06-09 06:39 586阅读 0赞

# 目录 #

## 请先看前言 ##

## [前言][Link 1] ##

## 1 人工智能基础 ##

### [1.1 科普][1.1] ###

#### [1.1.1 什么是神经网络][1.1] ####

### [1.2 基础知识][1.2] ###

#### [1.2.1 如何将数据输入到神经网络中][1.2] ####

#### [1.2.2 神经网络是如何进行预测的][1.2.2] ####

#### 1.2.3 预测得准确吗 ####

#### 1.2.4 网络是如何进行学习的 ####

#### 1.2.5 计算图 ####

#### 1.2.6 如何计算逻辑回归的偏导数 ####

#### 1.2.7 向量化 ####

#### 1.2.8 如何开始使用python ####

#### 1.2.9 如何向量化人工智能算法 ####

#### 1.2.10 一些基础概念 ####

#### 1.2.11 特征工程 ####

#### 1.2.12 哪些特征是有价值的 ####

#### 1.2.13 数据清理 ####

#### 1.2.14 逻辑回归与分类阈值 ####

#### 1.2.15 静态训练与动态训练 ####

#### 【实战编程】教你编写第一个人工智能程序 ####

### 1.3 神经网络 ###

#### 1.3.1 浅层神经网络 ####

#### 1.3.2 如何计算浅层神经网络的前向传播 ####

#### 1.3.3 如何计算浅层神经网络的反向传播 ####

#### 1.3.4 为什么需要激活函数 ####

#### 1.3.5 常见的激活函数 ####

#### 1.3.6 激活函数的偏导数 ####

#### 1.3.7 随机初始化参数 ####

#### 1.3.8 非线性与激活函数 ####

#### 【实战编程】教你编写浅层神经网络 ####

#### 1.3.9 为什么需要深度神经网络 ####

#### 1.3.10 如何计算深度神经网络 ####

#### 1.3.11 核对矩阵的维度 ####

#### 1.3.12 参数和超参数 ####

#### 1.3.13 监督学习型神经网络 ####

#### 1.3.14 什么使深度学习火起来了 ####

#### 【实战编程】构建深度神经网络 ####

### 1.4 额外知识 ###

#### 1.4.1 标量、向量、矩阵和张量 ####

#### 1.4.2 深入了解矩阵 ####

#### 1.4.3 范数 ####

#### 1.4.4 什么是微积分 ####

#### 1.4.5 古典微积分 ####

#### 1.4.6 极限微积分 ####

#### 1.4.7 偏导数 ####

#### 1.4.8 方向导数 ####

#### 1.4.9 什么是概率论 ####

#### 1.4.10 条件概率 ####

#### 1.4.11 什么是信息论 ####

#### 1.4.12 条件熵 ####

#### 1.4.13 互信息 ####

#### 1.4.14 相对熵（KL散度） ####

#### 1.4.15 交叉熵 ####

## 2 实战优化 ##

### 2.1 实战基础 ###

#### 2.1.1 如何配置数据集 ####

#### 2.1.2 欠拟合和过拟合 ####

#### 2.1.3 如何解决欠拟合与过拟合 ####

#### 2.1.4 L2正则化 ####

#### 2.1.5 dropout ####

#### 2.1.6 数据增强 ####

#### 2.1.7 将输入特征进行归一化处理 ####

#### 2.1.8 梯度消失和梯度爆炸 ####

#### 2.1.9 如何判断网络是否有bug ####

#### 2.1.10 H5文件 ####

#### 【实战编程】参数初始化 ####

#### 【实战编程】正则化 ####

#### 【实战编程】梯度检验 ####

### 2.2 优化算法 ###

#### 2.2.1 Mini-batch ####

#### 2.2.2 如何为mini-batch选择合理的大小 ####

#### 2.2.3 指数加权平均 ####

#### 2.2.4 深入理解指数加权平均 ####

#### 2.2.5 指数加权平均的偏差修正 ####

#### 2.2.6 动量梯度下降 ####

#### 2.2.7 RMSprop ####

#### 2.2.8 Adam优化算法 ####

#### 2.2.9 学习率衰减 ####

#### 2.2.10 局部最优问题 ####

#### 【实战编程】mini-batch梯度下降 ####

#### 【实战编程】动量梯度下降 ####

#### 【实战编程】Adam ####

#### 【实战编程】对比不同的优化算法 ####

### 2.3 调试神经网络 ###

#### 2.3.1 调参 ####

#### 2.3.2 为调参选择采样标尺 ####

#### 2.3.3 各种调参经验 ####

#### 2.3.4 调参模式和工具 ####

#### 2.3.5 规范化隐藏层的输入 ####

#### 2.3.6 BN的好处 ####

#### 2.3.7 使用模型时的BN ####

#### 2.3.8 Softmax ####

#### 2.3.9 深入理解softmax ####

#### 2.3.10 如何选择深度学习框架 ####

#### 2.3.11 手把手教你使用tensorflow ####

#### 【实战编程】手把手带你学习Tensorflow v1.x ####

#### 【实战编程】手把手教你用tensorflow1.x构建一个完整的人工智能程序 ####

#### 【实战编程】手把手带你学习Tensorflow v2.x ####

## 3 深度学习项目实战 ##

### 3.1 项目实战一 ###

#### 3.1.1 决策很重要 ####

#### 3.1.2 正交化 ####

#### 3.1.3 如何判断哪个网络更好？——F1分数 ####

#### 3.1.4 如何做选择 ####

#### 3.1.5 验证集与测试集的数据来源要一致 ####

#### 3.1.6 数据集的获取与划分 ####

#### 3.1.7 判定标准是可以变的 ####

#### 3.1.8 AI能力与人类能力的关系 ####

#### 3.1.9 利用贝叶斯误差来判断拟合度 ####

#### 3.1.10 人类误差是多少呢？ ####

#### 3.1.11 AI超越人类 ####

#### 3.1.12 提升AI系统的一般流程 ####

#### 3.1.13 数据集的偏见 ####

#### 【实战编程】大项目神经网络 ####

### 3.2 实战项目二 ###

#### 3.2.1 手工分析错误 ####

#### 3.2.2 同时手工分析多个错误类别 ####

#### 3.2.3 标签打错了 ####

#### 3.2.4 如何修正错误标签 ####

#### 3.2.5 快速地构建一个简单的系统 ####

#### 3.2.6 验证集要反应出真实目的 ####

#### 3.2.7 异源时的训练验证集 ####

#### 3.2.8 不常用的误差分析 ####

#### 3.2.9 如何解决异源问题 ####

#### 3.2.10 迁移学习 ####

#### 3.2.11 如何实现迁移学习 ####

#### 3.2.12 什么时候才应该使用迁移学习？ ####

#### 3.2.13 多任务学习 ####

#### 3.2.14 深度理解多任务学习 ####

#### 3.2.15 一步到位——端到端学习 ####

#### 3.2.16 何时用端到端 ####

#### 3.2.17 如何制作数据集 ####

#### 【实战编程】优化大项目 ####

## 4 人脸识别 ##

### 4.1 卷积神经网络 ###

#### 4.1.1 智能视觉 ####

#### 4.1.2 卷积运算 ####

#### 4.1.3 边缘检测 ####

#### 4.1.4 深入理解边缘检测 ####

#### 4.1.5 padding ####

#### 4.1.6 卷积步长 ####

#### 4.1.7 3D卷积 ####

#### 4.1.8 多过滤器 ####

#### 4.1.9 卷积层 ####

#### 4.1.10 卷积神经网络 ####

#### 4.1.11 池化层 ####

#### 4.1.12 池化层（二） ####

#### 4.1.13 一个较完整的卷积网络 ####

#### 4.1.14 卷积的好处 ####

#### 【实战编程】手把手教你构建卷积神经网络（一） ####

#### 【实战编程】手把手教你构建卷积神经网络（二） ####

#### 【实战编程】使用TensorFlow构建卷积神经网络 ####

### 4.2 深度卷积网络 ###

#### 4.2.1 学习一些牛逼的例子 ####

#### 4.2.2 LeNet-5 ####

#### 4.2.3 AlexNet ####

#### 4.2.4 VGG ####

#### 4.2.5 残差网络 ####

#### 4.2.6 为什么残差网络能防止梯度问题 ####

#### 4.2.7 1×1卷积 ####

#### 4.2.8 Inception网络 ####

#### 4.2.9 inception网络与1×1卷积 ####

#### 4.2.10 完整的inception网络 ####

#### 4.2.11 学会利用开源项目 ####

#### 【实战编程】构建残差网络 ####

### 4.3 目标检测 ###

#### 4.3.1 物体定位 ####

#### 4.3.2 关键点探测 ####

#### 4.3.3 目标检测 ####

#### 4.3.4 滑动窗口探测法 ####

#### 4.3.5 卷积化滑动窗口 ####

#### 4.3.6 如何判断定位是否精准 ####

#### 4.3.7 如何避免一个物体被重复探测到？ ####

#### 4.3.8 两个物体的中心在同一个格子怎么办？ ####

#### 4.3.9 非极大值抑制的实现细节 ####

#### 4.3.10 候选区域 ####

#### 【实战编程\]】自动驾驶之车辆探测 ####

### 4.4 风格迁移 ###

#### 4.4.1 风格迁移概述 ####

#### 4.4.2 差异性验证 ####

#### 4.4.3 如何实现差异性验证 ####

#### 4.4.4 如何训练差异性验证网络 ####

#### 4.4.5 差异性验证网络的训练技巧 ####

#### 4.4.6 差异性验证网络的另一种训练方法 ####

#### 4.4.7 神经网络每层到底都学会了什么？ ####

#### 4.4.8 神经风格迁移网络 ####

#### 4.4.9 内容损失函数 ####

#### 4.4.10 什么是风格 ####

#### 4.4.11 风格损失函数 ####

#### 【实战编程】风格转换 ####

#### 【实战编程】人脸识别 ####

## 5 语音识别 ##

### 5.1 循环序列模型 ###

#### 5.1.1 序列模型 ####

#### 5.1.2 序列模型的数据集 ####

#### 5.1.3 循环神经网络RNN ####

#### 5.1.4 RNN的计算过程 ####

#### 5.1.5 各种结构的RNN ####

#### 5.1.6 人工智能写作 ####

#### 5.1.7 普通RNN的记性不好 ####

#### 5.1.8 使用LSTM来增强RNN的记忆力 ####

#### 5.1.9 使用GRU来增强RNN的记忆力 ####

#### 5.1.10 双向循环神经网络BRNN ####

#### 5.1.11 深度RNN ####

#### 5.1.12 纯pyhon构建RNN ####

#### 【实战编程】纯pyhon构建RNN ####

#### 【实战编程】智能写作 ####

#### 【实战编程】智能音乐 ####

#### 【实战编程】智能作曲 ####

### 5.2 自然语言处理与词嵌入 ###

#### 5.2.1 什么是词嵌入 ####

#### 5.2.2 如何使用词嵌入技术 ####

#### 5.2.3 词嵌入与类比推理 ####

#### 5.2.4 如何得到词嵌入矩阵表 ####

#### 5.2.5 word2vector模型 ####

#### 5.2.6 负采样 ####

#### 5.2.7 Glove模型 ####

#### 5.2.8 情感分类 ####

#### 5.2.9 AI的偏见 ####

#### 5.2.10 词嵌入除偏 ####

#### 【实战编程】类比推理 ####

#### 【实战编程】智能表情 ####

#### 【实战编程\]】智能表情-升级版 ####

### 5.3 序列模型和注意力机制 ###

#### 5.3.1 seq2seq简介 ####

#### 5.3.2 最佳翻译 ####

#### 5.3.3 Beam搜索 ####

#### 5.3.4 Beam搜索升级版 ####

#### 5.3.5 问题是否出在Beam搜索上 ####

#### 5.3.6 如何判断翻译得是否精准 ####

#### 5.3.7 注意力模型 ####

#### 5.3.8 注意力模型详述 ####

#### 5.3.9 如何设置注意力权重？ ####

#### 5.3.10 语音识别 ####

#### 【实战编程】机器翻译 ####

#### 【实战编程】唤醒词检测 ####

## 6 生成对抗网络GANs ##

## 7 自动驾驶 ##

## 8 强化学习 ##

## 9 无监督学习 ##

## 10 人工大脑 ##

[Link 1]: http://blog.csdn.net/jiangjunshow/article/details/77338485
[1.1]: https://www.captainbed.net/whatisnn/
[1.2]: https://www.captainbed.net/howtoinputdata/
[1.2.2]: https://www.captainbed.net/howtopredict/

床长人工智能教程 - 目录

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 Typora图床搭建教程

相关图床

相关床长人工智能教程 - 前言

相关床长人工智能教程 - 目录

相关 springboot教程目录

相关人工智能教程

相关 springcloud教程目录

相关图床

相关 springboot教程目录

相关图床