第一、人工智能数学基础

数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上。

一、数据分析

1）常数e 2）导数 3）梯度 4）Taylor 5）gini系数

6）信息熵与组合数 7）梯度下降 8）牛顿法

二、概率论

1）微积分与逼近论

2）极限、微分、积分基本概念

3）利用逼近的思想理解微分，利用积分的方式理解概率

4）概率论基础

5）古典模型

6）常见概率分布

7）大数定理和中心极限定理

8）协方差(矩阵)和相关系数

9）最大似然估计和最大后验估计

三、线性代数与矩阵

1）线性空间及线性变换 2）矩阵的基本概念

3）状态转移矩阵 4）特征向量

5）矩阵的相关乘法 6）矩阵的QR分解

7）对称矩阵、正交矩阵、正定矩阵 8）矩阵的SVD分解

9）矩阵的求导 10）矩阵映射/投影

四、凸优化

1）凸优化基本概念 2）凸集

3）凸函数 4）凸优化问题标准形式

5）凸优化之Lagerange对偶化 6）凸优化之牛顿法、梯度下降法求解

第二、Python应用 

一、容器

1）列表:list 2）元组:tuple 3）字典: dict

4）数组: Array 5）切片

6）列表推导式 7）浅拷贝和深拷贝

二、函数

1）lambda表达式

2）递归函数及尾递归优化

3）常用内置函数/高阶函数

4）项目案例：约瑟夫环问题

三、常用库

1）时间库 2）并发库

3）科学计算库（Numpy）

4）Matplotlib可视化绘图库

5）锁和线程

6）多线程编程

第三、机器学习 （实用）

机器学习人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

一、机器学习

1）机器学习概述

二、监督学习

1）逻辑回归 2）softmax分类

3）条件随机场 4）支持向量机svm

5）决策树 6）随机森林

7）GBDT 8）集成学习

三、非监督学习

1）高斯混合模型 2）聚类

3）PCA 4）密度估计

5）LSI 6）LDA 7）双聚类

四、数据处理与模型调优

1）特征提取 2）数据预处理

3）数据降维 4）模型参数调优

5）模型持久化 6）模型可视化

第四、深度学习

人工智能时代已经到来，AlohaGO的击败李世石成为了围棋界的神话，让许多人震惊不已。那么AlphaGo是怎么产出的呢?它是源自于人工智能的深度学习。

深度学习是一种机器学习的方法，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法。深度学习可以理解为神经网络的发展，神经网络是对人脑或生物神经网络基本特征进行抽象和建模，可以从外界环境中学习，并以与生物类似的交互方式适应环境。

1）TensorFlow基本应用 2）BP神经网络

3）深度学习概述 4）卷积神经网络(CNN)

5）图像分类(vgg,resnet) 6）目标检测(rcnn,fast-rcnn,faster-rcnn,ssd)

7）递归神经网络(RNN) 8）lstm,bi-lstm,多层LSTM

9）无监督学习之AutoEncoder自动编码器 10）Seq2Seq

11）Seq2Seq with Attension 12）生成对抗网络

13）irgan 14）finetune及迁移学习

15）孪生网络 16）小样本学习

PyTorch深度学习快速入门教程

一、PyTorch环境的配置及安装

二、Pycharm、jupyter的安装

1. Pycharm、2.jupyter

三、Python学习中的两大法宝函数（help、dir）

四、加载数据（Dataset）

五、TensorBorad的使用

六、Transformer

1.compose、2.toTensor、3.Normalize、4.Resize

七、torchvision中数据集的使用

1.torchvision.datasets

八、dataloader

九、nn.module

十、卷积操作

十一、卷积层

十二、池化层

十三、非线性激活

十四、线性层

十五、Sequential

十六、损失函数和反向传播

1.损失函数

2.反向传播及优化

十七、现有模型的使用及修改

十八、网络模型的保存和修改

1.保存、2.读取

十九、完整的模型训练套路

二十、利用GPU训练

二十一、完整的模型验证套路

第五、自然语言处理（NLP）

语言是人类区别其他动物的本质特性。在所有生物中，只有人类才具有语言能力。人类的多种智能都与语言有着密切的关系。人类的逻辑思维以语言为形式，人类的绝大部分知识也是以语言文字的形式记载和流传下来的。因而，它也是人工智能的一个重要，甚至核心部分。

1）词（分词，词性标注）代码实战

2）词（深度学习之词向量，字向量）代码实战

3）词（深度学习之实体识别和关系抽取）代码实战

4）词（关键词提取，无用词过滤）代码实战

5）句（句法分析，语义分析）代码实战

6）句（自然语言理解,一阶逻辑）代码实战

7）句（深度学习之文本相似度）代码实战

第六、图像处理

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。可以说是包括了PS。

图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。

图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术。

一、图像基础：图像读，写，保存，画图（线，圆，多边形，添加文字）

二、图像操作及算数运算：图像像素读取，算数运算，ROI区域提取

三、图像颜色空间运算：图像颜色空间相互转化

四、图像几何变换：平移，旋转，仿射变换，透视变换等

五、图像形态学：腐蚀，膨胀，开/闭运算等

六、图像轮廓：长宽，面积，周长，外接圆，方向，平均颜色，层次轮廓等

七、图像统计学：图像直方图

八、图像滤波：高斯滤波，均值滤波，双边滤波，拉普拉斯滤波等

最后！！！以上内容不太全望见谅

大家有想要入门进阶的人工智能学习资源的可以私聊我哦~

最后祝大家学有所成！蒸蒸日上！

需要以上资料的可以关注微信公众号：AI技术星球  回复：211  领取

100G入门到进阶AI资源包+论文指导/TOP大佬带队kaggle/就业指导+技术问题答疑

1、超详细的人工智能学习路线

2、OpenCV、Pytorch、YOLO等教程（附源码课件数据）

3、人工智能快速入门视频教程合集（Python基础、数学基础、NLP）附源码课件数据

4、机器学习算法+深度学习神经网络基础教程

5、人工智能必看书籍（花书、西瓜书、蜥蜴书等）

6、上千篇CVPR、ICCV顶会论文

7、人工智能行业报告