第一课：什么是人工智能?
1.什么是人工智能? 2.环境及工具包介绍 3.机器学习介绍 4.线性回归 5.线性回归实战准备 6.分类问题介绍 7.逻辑回归 8.逻辑回归 9.实战准备 10.考试通过实战 11.考试通过实战 12.芯片检测实战 13.无监督学习 15.实战准备 16.Kmeans实战 17.Kmeans实战 19.决策树(1) 20.决策树(2) 21.异常检测 22.主成分分析 23.实战准备 24.实战(1) 25.实战(2) 26.实战(3) 27.过拟合与欠拟合 28.数据分离与混淆矩阵 29.模型优化 30.实战准备 31.实战(一) 32.实战(二) 33.实战(三) 34.多层感知器(MLP) 35.实战准备 36.实战(一) 37.实战(二) 38.卷积神经网络(一) 39.卷积神经网络(二) 40.实战准备 41.实战(一) 42.实战(二) 43.序列数据案例 44.循环神经网络RNN 45.不同类型的RNN模型 46.实战准备 47.实战(-)RNN股价预测 48.实战(二)RNN股价预测 | 51.迁移学习 52.迁移学习 53.在线学习 54.混合模型1 55.混合模型2 56.实战准备 57.实战准备 58.基于新数据的迁移学习实战 63.课程总结 64.课程总结 65.课程总结 66.计算机视觉 69.计算机眼中的图像 70.视频的读取与处理 71.ROI区域 72.边界填充 73.数值计算 74.腐蚀操作 75.膨胀操作 76.开运算与闭运算 77.梯度计算 78.礼帽与黑帽 79.Sobel算子 80.梯度计算方法 82.图像阈值 83.图像平滑处理 84.高斯与中值滤波 85.Canny边缘检测流程 86.非极大值抑制 87.边缘检测效果 88.图像金字塔定义 89.金字塔制作方法 90.轮廓检测方法 91.轮廓检测结果 92.轮廓特征与近似 93.模板匹配方法 94.匹配效果展示 95.整体流程演示 96.文档轮廓提取 97.原始与变换坐标计算 98.透视变换结果 100.文档扫描识别效果 |