1、-_人工智能课程体系及项目实战1、机器学习课程大纲第一课：Python 基础与科学计算库 numpy1.Python 语言基础-_2.Python 数据结构（列表,字典, 元组）3.科学计算库 Numpy 基础4.Numpy 数组操作5.Numpy 矩阵基本操作6.Numpy 矩阵初始化与创建7.Numpy 排序与索引第二课：数据分析处理库与数据可视化库1.Pandas 数据读取与现实2.Pandas 样本数值计算与排序3.Pandas 数据预处理与透视表4.Pandas 自定义函数5.Pandas 核心数据结构 Series 详解-_6.Pandas 数据索引7. Matplotlib 绘制
2、第一个折线图8. Matplotlib 条形图, 直方图,四分图绘制9. Matplotlib 数据可视化分析第三课：回归算法1.机器学习要解决的任务2.有监督与无监督问题3.线性回归算法原理推导4.实现简易回归算法5.逻辑回归算法原题6.实战梯度下降算法第四课：案例实战信用卡欺诈检测-_1.数据与算法简介2.样本不平衡问题解决思路3.下采样解决方案4.正则化参数选择5.逻辑回归建模6.过采样与 SMOTE 算法第五课：决策树与随机森林1.熵原理，信息增益2.决策树构造原理推导3.ID3,C4.5 算法4.决策树剪枝策略5.随机森林算法原理-_6.基于随机森林的特征重要性选择第六课：Kaggl
3、e 机器学习案例实战1.泰坦尼克船员获救预测2.使用 pandas 库进行数据读取与缺失值预处理3.使用 scikit-learn 库对比回归模型与随机森林模型4.GBDT 构造原理5.特征的选择与重要性衡量指标6.机器学习中的级联模型7.使用级联模型再战泰坦尼克第七课：支持向量机算法1.SVM 要解决的问题2.线性 SVM 原理推导-_3.SVM 对偶问题与核变换4.soft 支持向量机问题5.多类别分类问题解决方案第八课：神经网络模型1.前向传播与反向传播结构2.激活函数3.神经网络结构4.深入神经网络细节5.神经网络表现效果第九课：mnist 手写字体识别1.Tensorflow 框架2
4、.CNN 网络结构-_3.基于 tensorflow 的网络框架4.构造 CNN 网络结构5.迭代优化训练第十课：聚类与集成算法1.k-means,DBSCAN 等经典聚类算法原理2.python 实现 k-means 算法3.聚类算法应用场景与特征工程4.Adaboost 集成算法原理机器学习项目实战1.科比职业生涯数据分析2.信用卡欺诈检测案例3.鸢尾花数据集分析-_4.泰坦尼克号船员获救预测5.员工离职预测6.mnist 手写字体识别-_2、人机对话课程大纲第一章：Human robot-chattersystem 运行环境1.pycharm 下载及安装2.pycharm 的库使用介绍3.pycharm 使用实例演示4.Anaconda 下载安装5.Anaconda 库使用6.Anaconda 使用实例演示第二章：robot 基本概念1.robot 是什么2.robot 的应用场景3.robot 语言依赖性-_4.robot 工作流程5.robot 运行环境6.robot 框架介绍7. robot 的安装（ api 与源码）8. robot 的 quickstart第三章：robot 智能机器人1.创建机器人2.设置机器人适配器3.输入与输出适配器4.逻辑适配器5.机器人响应应答6.训练自己的语料
