适合人群

作为一项前沿的技术,人工智能不可能做到零门槛,所以需要你具备一些基本的前提条件。

  1. 熟悉 Python 基础语法

    课程将会使用 Python 语言作为代码实战过程中唯一的编程语言。除了 Python 语言具备语法简单,上手快 的特点。选择其的另一个重要原因是目前在人工智能领域,最优秀的开源项目和工具几乎都提供了对 Python 语言的支持。

    如果你对 Python3 还不够了解和熟悉,非常推荐学习蓝桥免费基础课程: Python3 简明教程

  2. 有一定的数学基础

    为了更好地理解深度学习算法原理,你需要具备一定的数学基础。如果你是理工科学生,并在大学本科阶段学习 过数学基础知识依据足够。不需要你花费大量时间去全面重温《高等数学》、《线性代数》等课程内容,只要 有印象,回忆起来就非常快了。除此之外,非理工科学生需要你掌握基础的线性代数知识,推荐观看 可汗学院线性代数基础课程

    如果你的数学基础较差,但又想学习人工智能知识,不要忘记我们是人工智能实战课程。本次课程中,我们对常 用的开源框架都进行了讲解,你可以着重于对人工智能方法的应用。简单来讲,如果你实在无法理解算法背后的 数学原理,掌握使用 Python 完成人工智能代码实战也是一件很有收获的事情。,

每周付出的时间

每周至少有 12 小时用于完成实验、挑战任务

坚持到底的决心

不会因为遇到困难而半途而废,有毅力坚持到最后

积极主动的态度

遇到问题能与小组同学及助教讨论,积极主动寻求答案

课程安排

技能准备阶段

第0周

预备知识

本课程将使用 Python 作为代码实战过程中的唯一编程语言,需要你熟悉使用 Python 构建机器学习 模型的常用工具模块,包括 NumPy,Pandas 以及绘图工具 Matplotlib。 如果你还未掌握上述技能, 请在开课前自学以下课程:《Python3 简明教程》, 《NumPy 数值计算基础课程》,《Pandas 数据处理基础课程》, 《Matplotlib 数据绘图基础课程》。详细内容,请阅读正式课程页面中的课程准备相关内容。

机器学习阶段

第1周

监督学习回归方法

本周将围绕监督学习中的回归问题展开,内容将涵盖线性回归、多项式回归、岭回归等不同的回归算法 及模型评价机制。实验将从原理讲解,通过 Python 实现核心算法,并最终学会使用开源工具完成快速建模。

第2 ~ 3周

监督学习分类方法

接下来的 2 周时间将围绕监督学习中的分类问题展开,内容将涵盖逻辑回归、K 近邻算法、 朴素贝叶斯、支持向量机、决策树、随机森林、装袋和提升等常用的近 10 种不同的方法和算法。 实验将从原理讲解,通过 Python 实现核心算法,并最终学会使用开源工具完成实战应用。除此之外, 你还会学习到机器学习工程领域模型部署和增量训练等知识内容。

第4周

无监督学习方法

本周将围绕无监督学习中的聚类问题展开,内容将涵盖划分聚类、层次聚类、 密度聚类、谱聚类等类别下近 10 种不同的聚类算法。实验将从原理讲解,通过 Python 实现核心算法,并对不同的聚类算法进行比较与评估。

第5周

机器学习工程

本周内容将涉及到自动化机器学习技术,自动化机器学习可以一定程度上降低机器学习模型的开发门槛, 算法的选择、训练、调优、部署等一系列过程都可以交给自动化组件来完成。与此同时,我们将掌握机器学习模 型的部署方法,并独立完成云端模型 RESTful API 的设计和部署。

第6周

机器学习项目挑战比赛

为了检验课程内容的学习成果,你需要独立完成最终的课程项目挑战。我们依托于 Kaggle 建立了实战化的比赛, 你将体会到竞争带来的乐趣。如果你能够出色完成项目挑战内容,将有机会获得课程设置的现金奖学金。 除此之外,认真完成项目挑战的学员,也将收到课程组给出的评阅意见。

深度学习阶段

第7周

深度学习原理

本周将围绕深度学习基础原理展开,内容将涵盖线性回归、逻辑回归、感知机、人工神经网络等算法的理论及应用。 你会对深度学习的基本概念,以及模型的构建、训练、评估有初步的了解,为后续深度神经网络的学习打下基础。

第8周

深度学习框架

深度学习原理部分,课程会使用 Python 从 0 到 1 构建神经网络。但深度神经网络如果按此方法构建将会变得 异常麻烦。本周,我们将学习深度学习通用的网络构建方法,掌握业界最常用的两大著名深度学习框架 TensorFlow 和 PyTorch。

第9周

计算机视觉

计算机视觉一定是深度学习最擅长的领域之一,本周我们将学习卷积神经网络和生成对抗网络的原理及构建方法。 同时,课程将从图像分类、图像生成、目标检测等场景出发,运用深度学习技术进行实践。

第10周

自然语言处理

自然语言处理是让机器理解人类语言的一项技术。本周我们会学习循环神经网络的原理和构建方法, 尝试探索自然语言处理相关应用。你不仅能接触到机器写诗的奇妙,还将学会利用最前沿的预训练技术来完 成假新闻分类任务。

第11周

深度学习工程

本周内容将涉及到自动化深度学习技术,自动化深度学习可以一定程度上降低深度学习模型的开发门槛, 算法的选择、训练、调优、部署等一系列过程都可以交给自动化组件来完成。与此同时,我们将掌握深度学习 模型持久化方法,并独立设计部署一个图像分类云端模型推理 RESTful API。

第12周

深度学习项目挑战比赛

为了检验课程内容的学习成果,你需要独立完成最终的课程项目挑战。我们依托于 Kaggle 建立了实战化的比赛, 你将体会到竞争带来的乐趣。如果你能够出色完成项目挑战内容,将有机会获得课程设置的现金奖学金。除此之外, 认真完成项目挑战的学员,也将收到课程组给出的评阅意见。

FAQ

课程使用什么编程语言?

课程将会使用 Python 语言作为代码实战过程中唯一的编程语言。除了 Python 语言具备语法简单,上手快 的特点。选择其的另一个重要原因是目前在人工智能领域,最优秀的开源项目和工具几乎都提供了对 Python 语言的支持。如果你对 Python3 还不够了解和熟悉,非常推荐学习蓝桥免费基础课程:《Python3 简明教程》 。

课程主要是什么形式?

课程核心采用实验+挑战+教学服务模式,不是直播和录播:

对于课程中的挑战,我们会提供实际工作中会遇到的问题或项目任务,包含若干知识点,需要在线完成,系统自动评判PASS或FAIL。

点击此处了解如何学习楼+课程

如果你还不熟悉蓝桥,点击这里了解蓝桥

开课前需要做什么准备?

  1. 只需要准备一台能上网的电脑,学习将在蓝桥的在线环境进行,无需安装配置本地环境;

  2. 阅读课程须知,并完成第0周的课程学习(你可以报名后在课程详情页找到它)

课程中如何进行答疑?

蓝桥共有3种答疑方式:微信群实时答疑,1V1桌面共享答疑,讨论区答疑。

其中周一至周五每天 09:00-18:00 可使用微信群实时答疑,必要的时候会使用蓝桥的共享桌面功能提供 1V1 共享桌面协作; 其余时间,无法保证及时回复,可以在讨论区提问,助教上班后第一时间回复解决。

学完能找到工作吗?

课程内容基本覆盖了常用的机器学习和深度学习方法,也满足了机器学习初级工程师的基本需要。如果要尝试寻 找人工智能方面的工作,除了熟知机器学习的算法和原理,还需要具备较为扎实的 Python 编程能力和工程实 现能力。当然,如果能动手亲自学完课程中的代码和习题,相信你在这些方面都能得到很大的提升。

是否支持退款?

报名起72小时内,学习章节小于阶段2,支持无理由退费。

支持什么付款方式?

目前支持微信,支付宝付款,花呗分期。

课程是否有有效期?

课程有效期180天,超过有效期只能查看文档不能使用在线环境。

楼+课程与其他课程的区别是什么?

楼+ 面向的是希望系统化学习某一技术的用户,提供了更完善的学习路径和教学服务。楼+课程与其它课程最大 的不同体现在教学服务上:

loupus features