相关视频资料下载见：
扫码关注”梧茗”公众号，在消息栏中输入”ai”即可免费获取百度云盘链接。
阶段一、人工智能基础 － 高等数学必知必会
本阶段主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础，旨在训练大家逻辑能力，分析能力。拥有良好的数学基础，有利于大家在后续课程的学习中更好的理解机器学习和深度学习的相关算法内容。同时对于AI研究尤为重要，例如人工智能中的智能很大一部分依托“概率论”实现的。
一、数据分析 |
|
|
1）常数e |
5）gini系数 |
二、概率论 |
|
|
1）微积分与逼近论 |
6）常见概率分布 |
三、线性代数及矩阵 |
|
|
1）线性空间及线性变换 |
6）矩阵的QR分解 |
四、凸优化 |
|
|
1）凸优化基本概念 |
4）凸优化问题标准形式 |
阶段二、人工智能提升 － Python高级应用
随着AI时代的到来以及其日益蓬勃的发展，Python作为AI时代的头牌语言地位基本确定，机器学习是着实令人兴奋，但其复杂度及难度较大，通常会涉及组装工作流和管道、设置数据源及内部和云部署之间的分流而有了Python库后，可帮助加快数据管道，且Python库也在不断更新发布中，所以本阶段旨在为大家学习后续的机器学习减负。
一、容器 |
|
|
1）列表:list |
5）切片 |
二、函数 |
|
|
1）lambda表达式 |
3）常用内置函数/高阶函数 |
三、常用库 |
|
|
1）时间库 |
4）Matplotlib可视化绘图库 |
阶段三、人工智能实用 － 机器学习篇
机器学习利用算法去分析数据、学习数据，随后对现实世界情况作出判断和预测。因此，与预先编写好、只能按照特定逻辑去执行指令的软件不同，机器实际上是在用大量数据和算法去“自我训练”，从而学会如何完成一项任务。
所以本阶段主要从机器学习概述、数据清洗和特征选择、回归算法、决策树、随机森林和提升算法、SVM、聚类算、EM算法、贝叶斯算法、隐马尔科夫模型、LDA主题模型等方面讲解一些机器学习的相关算法以及这些算法的优化过程，这些算法也就是监督算法或者无监督算法。
一、机器学习 |
|
|
1）机器学习概述 |
|
二、监督学习 |
|
|
1）逻辑回归 |
5）决策树 |
三、非监督学习 |
|
|
1）高斯混合模型 4）密度估计 |
5）LSI |
四、数据处理与模型调优 |
|
|
1）特征提取 |
4）模型参数调优 |
阶段四、人工智能实用 － 数据挖掘篇
本阶段主要通过音乐文件分类和金融反欺诈模型训练等项目，帮助大家对于上阶段的机器学习做更深入的巩固，为后续深度学习及数据挖掘提供项目支撑。
项目一：百度音乐系统文件分类 |
|
|
音乐推荐系统就是利用音乐网站上的音乐信息，向用户提供音乐信息或者建议，帮助用户决定应该听什么歌曲。而个人化推荐则是基于音乐信息及用户的兴趣特征、听歌历史行为，向用户推荐用户可能会感兴趣的音乐或者歌手。推荐算法主要分为以下几种：基于内容的推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐等；推荐系统常用于各个互联网行业中，比如音乐、电商、旅游、金融等。 |
|
项目二：千万级P2P金融系统反欺诈模型训练 |
|
|
目前比较火的互联网金融领域，实质是小额信贷，小额信贷风险管理，本质上是事前对风险的主动把控，尽可能预测和防范可能出现的风险。本项目应用GBDT、Randomforest等机器学习算法做信贷反欺诈模型，通过数据挖掘技术，机器学习模型对用户进行模型化综合度量，确定一个合理的风险范围，使风险和盈利达到一个平衡的状态。 |
|
阶段五、人工智能前沿 － 深度学习篇
深度学习是实现机器学习的技术，同时深度学习也带来了机器学习的许多实际应用，拓展了AI的使用领域，本阶段主要从TensorFlow、BP神经网络、深度学习概述、CNN卷积神经网络、递归神经网、自动编码机，序列到序列网络、生成对抗网络&
原文链接：https://blog.csdn.net/qwxwaty/article/details/80793370?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170018760416800215037488%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=170018760416800215037488&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-23-80793370-null-null.nonecase&utm_term=AI%E6%B3%95%E5%BE%8B%E5%92%A8%E8%AF%A2
