“集智课程”的版本间的差异

来自集智百科
跳转到: 导航搜索
(以“ == 基础通识专题 == === PyThon入门系列教程=== === Numpy|Pandas数据处理神器=== ===Te...”为内容创建页面)
 
第4行: 第4行:
  
 
== 基础通识专题 ==
 
== 基础通识专题 ==
 
 
=== PyThon入门系列教程===
 
=== PyThon入门系列教程===
 +
* 安装Python
 +
* 基本功能:print、基础数学运算、variable
 +
* while / for循环
 +
* if else 判断
 +
* 定义函数、函数参数、默认参数
 +
* 全局变量
 +
* 外部模块安装
 +
* 读写文件
 +
* class 类、类的 init 功能
 +
* 使用 input 处理输入
 +
* 元组和列表
 +
* list 列表
 +
* dictionary 字典
 +
* 多维列表
 +
* 引入模块
 +
* 自定义模块
 +
* 使用continue和break
 +
* try 错误处理
 +
* zip lambda map
 +
* 浅谈复制、深复制
 +
* 使用 pickle 保存数据
 +
* 使用 set 找不同
 
=== Numpy|Pandas数据处理神器===
 
=== Numpy|Pandas数据处理神器===
 +
 +
* 为什么要使用 Numpy 和 Pandas
 +
* 安装方法
 +
* Numpy 的基本属性
 +
* 创建 Numpy 的 array
 +
* Numpy 基础运算 #1
 +
* Numpy 基础运算 #2
 +
* Numpy 使用索引
 +
* Numpy 合并 array
 +
* Numpy 分割 array
 +
* Numpy 复制和深复制
 +
* Pandas 基本介绍
 +
* Pandas 选择数据
 +
* Pandas 设置值
 +
* Pandas 处理丢失数据
 +
* Pandas 导入导出数据
 +
* Pandas 使用 concat 合并数据
 +
* Pandas 使用 merge 合并数据
 +
* Pandas 使用 plot 建立图表
 
===Tensorflow 入门系列教程===
 
===Tensorflow 入门系列教程===
 +
 +
* 什么是神经网络
 +
* 为什么选 Tensorflow
 +
* 安装Tensorflow
 +
* 神经网络在干嘛
 +
* Tensorflow的处理结构
 +
* 会话控制
 +
* Variable 变量
 +
* Placehoder 传入值
 +
* 激励函数
 +
* 机器翻译原理简介
 +
* 添加层: add_layer()
 +
* 建造神经网络
 +
* 结果可视化
 +
* 优化器:optimizer
 +
* 网络可视化:Tensorboard
 +
* Classification 分类学习
 +
* Dropout 解决 过拟合
 +
* 卷积神经网络:CNN
 +
* 神经网络的保存和读取
 +
* 循环神经网络:RNN
 +
* 回归问题的可视化
 +
* 无监督学习:Autoencoder
 +
* scope 命名方法
 +
* 批标准化:Batch Normalization
 
===机器学习神经网络入门===
 
===机器学习神经网络入门===
 +
 +
* 什么是机器学习
 +
* 什么是神经网络模型
 +
* 什么是卷积神经网络
 +
* 什么是循环神经网络 RNN
 +
* 什么是 LSTM RNN
 +
* 什么是自编码器
 +
* 什么是生成式对抗网络(GAN)
 +
  
 
== 计算机视觉专题==
 
== 计算机视觉专题==
第32行: 第106行:
 
===机器学习思维===
 
===机器学习思维===
  
==复杂系统专题 ==
+
==复杂系统专题==
 
===系统科学概论===
 
===系统科学概论===
 
===复杂性思维===
 
===复杂性思维===
 
===复杂系统中的幂律分布===
 
===复杂系统中的幂律分布===

2019年8月15日 (四) 23:37的版本

Buissness集智学园封面.jpg


目录

基础通识专题

PyThon入门系列教程

  • 安装Python
  • 基本功能:print、基础数学运算、variable
  • while / for循环
  • if else 判断
  • 定义函数、函数参数、默认参数
  • 全局变量
  • 外部模块安装
  • 读写文件
  • class 类、类的 init 功能
  • 使用 input 处理输入
  • 元组和列表
  • list 列表
  • dictionary 字典
  • 多维列表
  • 引入模块
  • 自定义模块
  • 使用continue和break
  • try 错误处理
  • zip lambda map
  • 浅谈复制、深复制
  • 使用 pickle 保存数据
  • 使用 set 找不同

Numpy|Pandas数据处理神器

  • 为什么要使用 Numpy 和 Pandas
  • 安装方法
  • Numpy 的基本属性
  • 创建 Numpy 的 array
  • Numpy 基础运算 #1
  • Numpy 基础运算 #2
  • Numpy 使用索引
  • Numpy 合并 array
  • Numpy 分割 array
  • Numpy 复制和深复制
  • Pandas 基本介绍
  • Pandas 选择数据
  • Pandas 设置值
  • Pandas 处理丢失数据
  • Pandas 导入导出数据
  • Pandas 使用 concat 合并数据
  • Pandas 使用 merge 合并数据
  • Pandas 使用 plot 建立图表

Tensorflow 入门系列教程

  • 什么是神经网络
  • 为什么选 Tensorflow
  • 安装Tensorflow
  • 神经网络在干嘛
  • Tensorflow的处理结构
  • 会话控制
  • Variable 变量
  • Placehoder 传入值
  • 激励函数
  • 机器翻译原理简介
  • 添加层: add_layer()
  • 建造神经网络
  • 结果可视化
  • 优化器:optimizer
  • 网络可视化:Tensorboard
  • Classification 分类学习
  • Dropout 解决 过拟合
  • 卷积神经网络:CNN
  • 神经网络的保存和读取
  • 循环神经网络:RNN
  • 回归问题的可视化
  • 无监督学习:Autoencoder
  • scope 命名方法
  • 批标准化:Batch Normalization

机器学习神经网络入门

  • 什么是机器学习
  • 什么是神经网络模型
  • 什么是卷积神经网络
  • 什么是循环神经网络 RNN
  • 什么是 LSTM RNN
  • 什么是自编码器
  • 什么是生成式对抗网络(GAN)


计算机视觉专题

计算机视觉与深度学习

PyTorch入门 ——计算机视觉

GAN专题论文研读

自然语言处理专题

中文自然语言理解(NLU)在金融领域的应用

PyTorch入门 ——自然语言理解

如何打造你自己的聊天机器人

自然语言处理与深度学习

数据科学专题

数据科学入门教程

数据科学心法与机器学习实战

人工智能思维拓展系列课程

迎接AI时代

人工智能创业与未来社会

机器学习思维

复杂系统专题

系统科学概论

复杂性思维

复杂系统中的幂律分布

个人工具
名字空间
操作
导航
工具箱