慕课-赟璨教育

人工智能技术与应用_

课程类型：选修课

主讲教师：

课程来源：

建议学分：0.00分

课程编码：chmk000039

课程介绍

课程目录

教师团队

{1}--嗨，和你聊聊这门课

s [1.1]--课程简介（8分钟）

{2}--人工智能概述

s [2.1.1]--0_乌鸦的智能（1分钟）

s [2.1.2]--1_1人工智能的定义（9分钟）

s [2.2]--1_2人工智能的发展历程（18分钟）

s [2.3]--1_3人工智能的技术流派(1) （18分钟）

{3}--Python基础及开发环境

s [3.1.1]--2_11Python及开发环境简介（6分钟）

s [3.1.2]--2_12Spyder操作演示（5分钟）

s [3.1.3]--2_13Jupyter Noteboo操作演示（8分钟）

s [3.1.4]--2_14百度AI Studio操作演示（12分钟）

s [3.2]--2_2Python常用数据类型（17分钟）

s [3.3]--2_3Python程序结构（16分钟）

{4}--Python多维数据结构与运算

s [4.1]--3_1Python多维数组创建与访问(1) （18分钟）

s [4.2]--3_2Python多维数组运算(1) （11分钟）

s [4.3]--3_3Pandas的一维数据对象Series(1) （10分钟）

s [4.4]--3_4Pandas的二维数据对象DataFrame(1) （14分钟）

s [4.5]--3_5数据文件读写与统计分析(1) （14分钟）

s [4.6]--3_6数据可视化（16分钟）

{5}--搜索智能与仿生智能

s [5.1.1]--4_1启发式搜索（12分钟）

s [5.1.2]--4_2对抗搜索（15分钟）

s [5.1.3]--4_3蒙特卡洛树搜索（13分钟）

s [5.2.1]--4_4遗传算法简介（13分钟）

s [5.2.2]--4_5遗传算法应用与实现（15分钟）

{6}--用线性回归进行数值预测

s [6.1]--5_1机器学习概述（13分钟）

s [6.2]--5_2线性回归的基本原理（23分钟）

s [6.3.1]--5_3基于Scikit-learn实现线性回归（10分钟）

s [6.3.2]--5_4线性回归模型的性能评估（15分钟）

s [6.4]--5_5广义线性回归（16分钟）

{7}--用逻辑回归进行分类

s [7.1]--6_1逻辑回归的基本原理（19分钟）

s [7.2]--6_2基于Scikit_learn实现逻辑回归（20分钟）

s [7.3]--6_3分类模型的性能评估（17分钟）

{8}--决策树与随机森林

s [8.1]--7_1决策树的基本原理（26分钟）

s [8.2]--7_2基于Scikit_learn实现决策树（12分钟）

s [8.3]--7_3集成学习与随机森林（14分钟）

s [8.4]--7_4基于Scikit-learn实现集成学习（9分钟）

{9}--用k-means进行聚类

s [9.1]--8_1聚类及K-means算法（10分钟）

s [9.2]--8_2基于Scikit-learn实现聚类（7分钟）

s [9.3]--8_3聚类模型的性能评估（17分钟）

s [9.4]--8_4其他常用聚类算法（12分钟）

{10}--神经网络原理与实现

s [10.1]--录课1_1神经网络_原理与实现（14分钟）

s [10.2]--录课1_2神经网络_原理与实现（25分钟）

s [10.3]--录课1_3神经网络_原理与实现（36分钟）

s [10.4]--录课1_5实验指导（12分钟）

{11}--神经网络案例与调优

s [11.1]--录课2_1神经网络_应用案例及调优（26分钟）

s [11.2]--录课2_2神经网络_应用案例及调优（17分钟）

s [11.3]--录课2_3神经网络_应用案例及调优（23分钟）

s [11.4.1]--录课2_4神经网络_应用案例及调优（25分钟）

s [11.4.2]--录课2_4神经网络_应用案例及调优（25分钟）

{12}--卷积神经网络_计算机视觉基础

s [12.1]--11_1深度学习与图像处理(1) （11分钟）

s [12.2]--11_2卷积神经网络基本原理（25分钟）

s [12.3]--11_3基于Keras实现CNN （12分钟）

s [12.4]--11_4基于小数据集的CNN应用（21分钟）

s [12.6.1]--录课3_4卷积神经网络_计算机视觉基础（15分钟）

s [12.6.2]--录课3_5卷积神经网络_计算机视觉基础（7分钟）

{13}--循环神经网络_自然语言处理基础

s [13.1.1]--12_1文本数据的表示方式（14分钟）

s [13.1.2]--12_2词嵌入的生成和使用（18分钟）

s [13.2]--12_3循环神经网络的基本原理（20分钟）

s [13.3]--12_4基于Keras实现RNN （10分钟）

s [13.4]--12_5音频数据处理（9分钟）

{14}--生成式深度学习_艺术创作

s [14.1]--13_1文本生成（21分钟）

s [14.2]--13_2图像生成（13分钟）

{15}--AI服务集成与AI定制模型

s [15.1]--14_1AI开放服务简介（6分钟）

s [15.2]--14_2AI开放服务调用（14分钟）

s [15.3]--14_3EasyDL模型定制（8分钟）