道”：能知道一些基本、基础应知应会的原理,能在这个基础上,去阅读一些新的论文,提升学员的知识面
术”：能写代码,能将代码跑通,获得到精神上的快乐和满足,即使不明觉厉,也能解决问题。
通过案例和不断想到的Ideas,帮助学员真正理解,企业为什么需要员工,为什么特别需要有创新思维的员工,让学员能在职场上更好的表现。
基础薄弱数据类岗位从业者,系统提升专业技能
产品、运营、营销、财务等业务部门在职者,提升数字化*效率
研发、中台、技术类部门在职者,数字化赋能支持业务发展
企业创始人、经理人、管理咨询类岗位从业者,把握数字化转型方案及流程
经济及社科类青年教师、博士生、硕士生、高年级本科生
1-2Python的安装
1-3Anaconda的安装
1-4PyCharm的安装
1-5Jupyter Notebook的使用
1-6深度学习框架的搭建
1-7GPU的适配安装
1-8pip命令的使用介绍
1-9conda命令和pip命令的异同点
1-10安装一些最常用的工具*
2章介绍计算机视觉
2-1想比大部分人更专业的话,需要如何学习这门课
2-2从顶层讲起,目前被大众接受的人工智能概念是什么
2-3机器学习、深度学习和强化学习的异同点
2-4计算机视觉,它本身是什么
2-5计算机视觉的细分业务领域,比如分类、分割等
2-6最常见的计算机视觉任务,图片分类
2-7神经网络最喜欢吃得“食物”
2-8神经网络会给你输出什么,是直接的结论吗
2-9图片处理库,scikit-image的简单使用介绍
2-10计算机视觉库,opencv的简单使用介绍
3章动手实战,教机器*疲劳监测
3-1疲劳的特征是什么
3-2在没有深度学习概念前,如何实现脸部关键点检测
3-3什么是神经网络
3-4什么是卷积神经网络
3-5什么是卷积核
3-6什么是池化
3-7什么是标准化
3-8什么是躺平层
3-9什么是全连接层
3-10什么是激活函数
3-11Python动手实战,边实战边讲解
4章动手实战,教机器打跑酷游戏
4-1跑酷游戏的介绍
4-2机器需要学到什么,才能打好跑酷游戏
4-3卷积神经网络和跑酷游戏的联系是什么
4-4最基础的概念之一,什么是图片的通道
4-5最基础的概念之一,除了RGB之外,我们还会如何获取图片的信息
4-6如何从游戏画面中产生数据集
4-7如何得知用户按了什么键
4-8模型结构该如何设计
4-9如何训练网络
4-10如何评估网络的准确性
4-11如何能让机器学习的更准确
4-12Python动手实战,边实战边讲解
5章动手实战,教机器拍出背景虚化的人像照片
5-1先来看几个例子,什么是照片背景虚化
5-2整体实现思路,会分成哪几个步骤
5-3首次讲解图片分割的知识背景
5-4业界有哪些个常用的图片分割场景
5-5图片预处理,继续讲解opencv计算机视觉库的函数
5-6有哪些巨人的肩膀我们可以“站”
5-7重点讲解Google MediaPipe的深度学习库
5-8Numpy进阶知识之一,stack函数
5-9Numpy进阶知识之一,where函数
5-10Python动手实战,边实战边讲解
6章动手实战,教机器完成数独游戏
6-1大开脑洞,为什么能用卷积神经网络来完成这个游戏
6-2进阶知识之一,讲解关于卷积核的更多知识
6-3进阶知识之一,讲解关于池化的更多知识
6-4如何去自制一个数独的数据集识
6-5基础知识之一,pandas的简单使用介绍
6-6图片预处理,几行代码写出数据标准化的函数
6-7重点知识讲解,Keras深度学习框架
6-8进讲解最常用的一些Keras层
6-9深入讲解模型的结构
6-10讲解模型的输出尺寸
6-11进阶知识之一,深入讲解图片分类的输出形态
6-12这些知识点的总结归纳
6-13Python动手实战,边实战边讲解
7章动手实战,教机器认钟表读数
7-1自制一个钟表数据集需要用到的*
7-2数据集的X和Y分别是什么
7-3基础知识之一,制作表盘
7-4基础知识之一,制作时针和分针
7-5Python动手实战,针对自制数据集的代码,进行讲解
7-6重点知识讲解,该如何设计模型的结构
7-7模型的损失函数设计
7-8这些知识点的归纳总结
7-9Python动手实战,边实战边讲解
8章动手实战,教机器给黑白照片着
8-1几行代码实现彩色图片转换成黑白照片
8-2为什么黑白照片转换成彩色照片是一件很困难的事
8-3基础知识点之一,颜色模型,图片的RGB通道
8-4进阶知识点之一,用Lab颜色空间来表示图片
8-5颜色模型和颜色空间的区别
8-6教机器给黑白照片着色,模型结构该如何设计
8-7基础知识点之一,什么是填充Padding
8-8基础知识点之一,什么是跳跃Strides
8-9一份很特别的数据集
8-10如何实现颜色空间的预处理
8-11Python动手实战,边实战边讲解
9章动手实战,教机器识别手写数字的异常检测
9-1什么是异常检测
9-2各行各业的异常检测有哪些
9-3异常检测的数据集特征
9-4进使用标准方差的统计分布识别异常检测
9-5使用箱线图的统计分布识别异常检测
9-6使用密度算法识别异常检测
9-7使用深度学习的自动编码器识别异常检测
9-8自动编码器的几个核心知识点
9-9一份很特别的数据集
9-10如何确定出合理的异常检测标准
9-11Python动手实战,边实战边讲解
