人工智能 学习路线大纲

一、人工智能开发入门

类别	内容
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, Broadcasting, 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

二、机器学习核心技术

类别	内容
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, GBDTX, Gboost, 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	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

三、深度学习核心技术

类别	内容
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)

四、NLP自然语言处理技术

类别	内容
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
Transformer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

五、CV计算机视觉技术

类别	内容
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	张量, 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