慕课体系2024AI人工智能算法工程师（持续更新）

慕课体系2024AI人工智能算法工程师（持续更新）
├──0-3
| ├──【0】源码+PDF课件+电子书
| | ├──电子书（mhtml格式，浏览器打开即可）
| | └──源码+PDF课件
| ├──【第1周】 快速搞清楚人工智能
| | └──1-1 人工智能发展前景与就业方向
| ├──【第2周】 AI编程基石：Python入门与进阶
| | ├──2-1 Python起步：入门与环境搭建
| | ├──2-2 Python基础与程序流程控制
| | ├──2-3 Python列表、元组、字典和集合
| | ├──2-4 Python函数、模块，文件与文件夹操作
| | └──2-5 Python面向对象编程
| └──【第3周】 AI编程基石：Python高级编程
| | ├──3-1 Python的文件、表格、绘图、视频处理
| | └──3-2 PyQt构建用户界面应用程序
├──11-15
| ├──【第11周】 深入PyTorch模型的训练与可视化
| | ├──11-1 PyThorch训练基础与数据可视化
| | ├──11-2 PyThorch训练进阶与性能优化
| | └──11-3 PyThorch软件封装
| ├──【第12周】 CNN图像处理模型
| | ├──12-1 简单链式模型理论与实战
| | ├──12-2 多分支模型理论与实战
| | └──12-3 残差模型理论与实战
| ├──【第13周】 移动端AI高效率分组模型
| | ├──13-1 mobilenet模型理论与实战
| | └──13-2 shufflenet模型理论与实战
| ├──【第14周】 卷积注意力模型
| | ├──14-1 特征通道注意力
| | ├──14-2 空间注意力
| | └──14-3 混合注意力模型
| └──【第15周】 Transformer模型
| | └──15-1 Transformer 原理与实现
├──16-20
| ├──【第16周】 Vision Transformer 模型
| | ├──16-1 Vision Transformer模型
| | └──16-2 轻量级VisionTransformer
| ├──【第17周】【视觉领域】图像分类技术与项目实战
| | ├──17-1 图像分类基础与实践：安防监控人脸表情识别
| | └──17-2 多标签分类与实战：生活用品多标签分类
| ├──【第18周】 【工业领域】目标检测技术与项目实战
| | ├──18-1 目标检测基础与YOLO系列模型原理
| | └──18-2 实践：YOLO v5车牌检测实战
| ├──【第19周】 【医疗与直播领域】图像分割技术与项目实战
| | ├──19-1 图像分割基础与模型
| | └──19-2 实践：基于UNet的人脸语义分割
| └──【第20周 】【视频分析领域-火热领域】视频分类技术与项目实战
| | ├──20-1 视频分类与行为识别基础
| | └──20-2 实战：3DCNN视频分类实战
└──4-10
| ├──【第10周】 PyTorch数据处理与网络模型构建
| | ├──10-1 PyTorch入门与应用
| | ├──10-2 数据集加载与应用
| | └──10-3 网络模型搭建实战
| ├──【第4周】 人工智能底层基石-三大必备AI 数学基础
| | ├──4-1 线性代数：人工智能数据基础
| | ├──4-2 微积分： 数学背后的AI力量
| | └──4-3 概率论： 数据科学与AI的关键
| ├──【第5周】 机器学习 – 解锁人工智能的核心
| | ├──5-1 机器学习理论&常见任务
| | ├──5-2 评估目标与优化目标
| | └──5-3 机器学习模型实践
| ├──【第6周】 神经网络 – 处理和学习复杂的数据
| | ├──6-1 单层神经网络原理与实践
| | ├──6-2 多层神经网络原理与实践
| | └──6-3 序列神经网络
| ├──【第7周】 卷积神经网络（CNN）-处理具有网格结构数据的任务
| | ├──7-1 卷积神经网络基础
| | └──7-2 典型卷积神经网络模型
| ├──【第8周】 深度学习优化-使用深层神经网络来解决复杂的任务
| | ├──8-1 参数初始化+激活函数
| | ├──8-2 标准化方法+正则化
| | └──8-3 学习率与最优化方法
| └──【第9周】 数据获取、整理与应用 – 构建数据之源，驱动智能决策
| | ├──9-1 数据获取与整理：构建可靠数据
| | └──9-2 数据增强方法与实践