===============课程介绍===============

作为一门高端的人工智能课程，学习体验非常丰富和充实。在这门课程中，我学习了许多与人工智能相关的概念、技术和应用，为我未来的职业发展提供了巨大的帮助和支持。

这门课程重点介绍了机器学习、深度学习和神经网络等基础概念，让我深入了解了人工智能的基础原理和实现方式。在这一基础上，我学习了自然语言处理、计算机视觉、机器人技术和智能推荐等应用领域的实际应用案例，这让我更好地了解了人工智能技术在不同领域的应用场景和优势。

通过学习各种企业案例，我深入了解了人工智能技术在不同行业的落地实践和创新模式。同时，这门课程也教授了企业如何构建自己的人工智能团队、如何将人工智能技术应用到企业的业务中，以及如何实现人工智能与企业战略的有机结合，这让我对未来的职业规划有了更清晰的思路和方向。

我认为这门课程的最大优势在于它的实践性。通过丰富的实验和项目实践，我不仅能够巩固所学的理论知识，更能够提高我的实际应用能力和团队协作能力。这门课程的大量实践环节，让我能够更好地理解人工智能技术的应用方法和实现过程，为我未来的职业发展提供了强大的支持。

===============课程目录===============


(1)\01、人工智能1期48个
├─1.概述and特征提取.mp4
├─10.朴素贝叶斯模型：简单背后蕴含的有效.mp4
├─11.支持向量机SVM1-曾经的分类王者.mp4
├─12.SVM2-昔日辉煌，传统方法顶峰详解.mp4
├─13.分类器背后的秘密和机器学习三大定律.mp4
├─14.三个臭皮匠顶一个诸葛亮-决策树和随机森林.mp4
├─15.集成学习：企业神器GBDT详解.mp4
├─16.Kmeans聚类：无监督学习，让数据自己说话.mp4
├─17.DBscan聚类：kmeans升级，数据更具智能.mp4
├─18.LDA：文本数据大杀器，揭示文本背后的秘密.mp4
├─19.深度学习DNN01-深度学习开启人工智能新时代.mp4
├─2.线性回归1 第一个模型用来进行数值预测.mp4
├─20.编程工具keras讲解和深度学习为什么会有效.mp4
├─21.深度学习的学习算法，梯度下降法和链式法则.mp4
├─22.多分类函数softmax和学习方法.mp4
├─23.深度学习非线性能力关键：激活函数详解.mp4
├─24.深度学习避坑指南：权重初始化的方法和技巧.mp4
├─25.集成学习在深度学习中的应用dropout.mp4
├─26.梯度下降法的优化和一些先进的学习技术.mp4
├─27.项目一：数字图像识别，让机器具有一双眼睛.mp4
├─28.项目二：以图搜图技术详解实战01.mp4
├─29.项目二：以图搜图技术详解实战02.mp4
├─3.从傻瓜到智能，梯度下降法学习法.mp4
├─30.开始深度学习在自然语言处理领域的时代.mp4
├─31.word2vec的一些特殊问题和优化方法.mp4
├─32.项目三：推荐系统整体流程架构解读01.mp4
├─33.项目三：A_B测试和相关指标解读02.mp4
├─34.项目三：关键词抽取和基于文本的召回算法03.mp4
├─35.项目三：推荐系统04基于行为类的召回算法.mp4
├─36.项目三：推荐系统05 Airbnb优秀论文解读.mp4
├─37.CNN：计算机视觉标配，给AI一双慧眼.mp4
├─38.项目四：CNN识别彩色图像，就那么一会.mp4
├─39.一期课程内容总结.mp4
├─4.突破瓶颈，模型效果的提升.mp4
├─40.常见面试题解读01.mp4
├─41.常见面试题解读02.mp4
├─42.如何写简历.mp4
├─43.NLP技术在推荐搜索中的应用.mp4
├─44.逻辑回归和神经元.mp4
├─45.BP算法原理和训练方法.mp4
├─46.常见激活函数讲解.mp4
├─47.图像分类在企业中的应用.mp4
├─48.卷积的基本思想.mp4
├─5.猛将起于卒伍，工业环境下的分类模型.mp4
├─6.损失函数推到解析和特征选择优化.mp4
├─7.到底好不好？模型评价指标讲解.mp4
├─8.让模型看的更准更稳，正则优化.mp4
├─9.让学习更高效，数值优化和一只看不见的手.mp4
(2)\02、人工智能2期41个
├─1.开班典礼_学前必看.mp4
├─10.端到端语音合成声学模型.mp4
├─11.语音合成声码器及端到端语音合成实战.mp4
├─12.LSTM和ELMO.mp4
├─13.实战项目：智能输入法.mp4
├─14.输入法项目之新词发现.mp4
├─15.注意力模型Attention.mp4
├─16.注意力模型Self-Attention.mp4
├─17.Transformer和Bert.mp4
├─18.图像之文本检测.mp4
├─19.图像之文本识别.mp4
├─2.FM模型.mp4
├─20.文本分类项目：分类任务简介、分类系统综述.mp4
├─21.文本分类项目：基本模型回顾 - NB、SVM.mp4
├─22.文本分类项目：基本模型回顾 - FastText.mp4
├─23.文本分类项目：系统集成、系统调优.mp4
├─24.文本分类项目：系统优化：实体信息.mp4
├─25.文本分类项目： 系统优化：图片分类.mp4
├─26.文本分类项目： 深度模型系统：TextCNN.mp4
├─27.Tensorflow Serving简介以及深度模型.mp4
├─28.高级图像技术1.mp4
├─29.高级图像技术2.mp4
├─3.推荐系统之协同过滤.mp4
├─30.高级图像技术3.mp4
├─31.高级图像技术4.mp4
├─32.海外项目：推荐系统入门简介.mp4
├─33.海外项目：Item2vec算法以及实际应用.mp4
├─34.海外项目：数据预处理.mp4
├─35.CTR预估算法sparselogistics regression.mp4
├─36.深度学习入门.mp4
├─37.海外项目：CNN & LSTM详细讲解.mp4
├─38.海外项目：self-attention 机制讲解.mp4
├─39.海外项目：wide-deep model代码实战.mp4
├─4.推荐系统之召回.mp4
├─40.智能聊天机器人1.mp4
├─41.智能聊天机器人2.mp4
├─5.推荐系统之排序1.mp4
├─6.推荐系统之排序2.mp4
├─7.RNN和LSTM.mp4
├─8.语音合成方法介绍.mp4
├─9.语音合成前端.mp4
(3)\03、人工智能3期63个
├─1.信息论入门-概率和信息.mp4
├─10.AI架构设计.mp4
├─11.推荐系统综述.mp4
├─12.量化投资概述：量化投资靠什么赚钱.mp4
├─14.量化投资概述：交易市场介绍.mp4
├─15.量化投资概述：策略类型介绍.mp4
├─16.生成模型GAN.mp4
├─17.量化投资概述：风险案例.mp4
├─18.量化投资概述：量化工具，AI应用案例.mp4
├─19.生成模型VAE.mp4
├─2.拉格朗日极值法和泛函分析入门.mp4
├─20.GAN背后的秘密.mp4
├─21.量化投资概述：机器学习模型应用基础.mp4
├─22.量化投资概述：交易行为举例.mp4
├─23.PageRank算法1.mp4
├─24.PageRank算法2.mp4
├─25.期货量化交易：远期和期货介绍.mp4
├─26.期货量化交易：远期和期货定价.mp4
├─27.期货量化交易：远期和期货应用.mp4
├─28.期货量化交易：套期保值策略.mp4
├─29.textrank算法.mp4
├─3.联合熵，条件熵，互信息，交叉熵.mp4
├─30.node2vec算法.mp4
├─31.期货量化交易：套期保值计算.mp4
├─32.期货量化交易：CAT产品及策略概述.mp4
├─35.期货量化交易：图模型在推荐系统中的应用.mp4
├─36.图模型在推荐系统中的应用2.mp4
├─37.bert和他的朋友们.mp4
├─37.bert和他的朋友们2.mp4
├─38.期货量化交易：套利策略.mp4
├─4.从信息论的角度解读机器学习.mp4
├─40.期货量化交易：策略回测.mp4
├─41.bert和他的朋友们3.mp4
├─42.bert和他的朋友们4.mp4
├─43.高频交易：市场微观结构及策略.mp4
├─44.高频交易：高频数据及因子计算.mp4
├─46.深度学习与语音识别技术基础1.mp4
├─46.深度学习与语音识别技术基础2.mp4
├─47.高频交易：高频交易案例.mp4
├─48.高频交易：高频交易回测.mp4
├─49.语音识别之语音信号基础.mp4
├─5.矩阵求导术.mp4
├─50.语音识别之语音信号基础2.mp4
├─51.语音识别之特征处理及HMM模型.mp4
├─52.高频交易：高频因子挖掘及高频做市策略.mp4
├─53.强化学习量化交易应用.mp4
├─53.强化学习量化交易应用2.mp4
├─54.股票量化交易：股票发行.mp4
├─54.股票量化交易：股票发行2.mp4
├─55.股票量化交易：打新策略及风险衡量2.mp4
├─56.HMM-GMM模型.mp4
├─56.HMM-GMM模型2.mp4
├─57.股票量化交易：现代投资组合理论.mp4
├─57.股票量化交易：现代投资组合理论2.mp4
├─58.语音识别实战一.mp4
├─58.语音识别实战一2.mp4
├─59.股票量化交易：多因子模型理论-架构.mp4
├─59.股票量化交易：多因子模型理论.mp4
├─6.文本分类速览1.mp4
├─60.语音识别实战一.mp4
├─7.文本分类速览2.mp4
├─8.从数学的角度看embedding特征维度的选取.mp4
├─9.面试指导.mp4
(4)\04、人工智能4期24个
├─1.数据的量化和特征提取.mp4
├─10.深度学习入门.mp4
├─11.梯度下降和矩阵求导.mp4
├─12.速精机器学习12.mp4
├─13.速精机器学习13.mp4
├─14.速精机器学习14.mp4
├─15.速精机器学习15.mp4
├─16.速精机器学习16.mp4
├─17.速精机器学习17.mp4
├─18.速精机器学习18.mp4
├─19.速精机器学习19.mp4
├─2.数据的量化和特征提取2.mp4
├─20.速精机器学习20.mp4
├─21.速精机器学习21.mp4
├─22.速精机器学习22.mp4
├─23.速精机器学习23.mp4
├─24.速精机器学习24.mp4
├─3.线性回归.mp4
├─4.逻辑回归.mp4
├─5.损失函数和正则项.mp4
├─6.分类模型的评价指标和多分类.mp4
├─7.逻辑回归的高级技巧.mp4
├─8.FM模型.mp4
├─9.Kmeans.mp4
(5)\05、课件个
(6)\05、课件\01_AI一期课程资料个
(7)\05、课件\课件3个
├─02_AI二期课程资料.zip
├─03_AI三期课程资料.zip
├─04_AI四期课程资料.zip
(8)\05、课件\01_AI一期课程资料\01_AI一期课程资料个
(9)\05、课件\01_AI一期课程资料\01_AI一期课程资料\01_第1章节无资料个
(10)\05、课件\01_AI一期课程资料\01_AI一期课程资料\02_第2章节到第4章节资料个
(11)\05、课件\01_AI一期课程资料\01_AI一期课程资料\03_第5章节到第9章节资料个
(12)\05、课件\01_AI一期课程资料\01_AI一期课程资料\04_第10章节无资料个
(13)\05、课件\01_AI一期课程资料\01_AI一期课程资料\05_第11-12章节资料个
(14)\05、课件\01_AI一期课程资料\01_AI一期课程资料\06_第13章节无资料个
(15)\05、课件\01_AI一期课程资料\01_AI一期课程资料\07_第14-15章节资料个
(16)\05、课件\01_AI一期课程资料\01_AI一期课程资料\08_第16-17章节资料个
(17)\05、课件\01_AI一期课程资料\01_AI一期课程资料\09_第18章节资料个
(18)\05、课件\01_AI一期课程资料\01_AI一期课程资料\10_第19-29章节资料个
(19)\05、课件\01_AI一期课程资料\01_AI一期课程资料\11_第30-37章节资料个
(20)\05、课件\01_AI一期课程资料\01_AI一期课程资料\12_第38章节资料个
(21)\05、课件\01_AI一期课程资料\01_AI一期课程资料\13_第39-48章节无资料个
(22)\05、课件\01_AI一期课程资料\01_AI一期课程资料\14_第49-57章节资料个
(23)\05、课件\01_AI一期课程资料\01_AI一期课程资料\02_第2章节到第4章节资料\code1个
├─linear_regression.zip
(24)\05、课件\01_AI一期课程资料\01_AI一期课程资料\02_第2章节到第4章节资料\ppt1个
├─线性回归.pptx
(25)\05、课件\01_AI一期课程资料\01_AI一期课程资料\03_第5章节到第9章节资料\code1个
├─logistic_regression.zip
(26)\05、课件\01_AI一期课程资料\01_AI一期课程资料\03_第5章节到第9章节资料\ppt1个
├─逻辑回归.pptx
(27)\05、课件\01_AI一期课程资料\01_AI一期课程资料\05_第11-12章节资料\code1个
├─svm.zip
(28)\05、课件\01_AI一期课程资料\01_AI一期课程资料\05_第11-12章节资料\ppt1个
├─SVM.pptx
(29)\05、课件\01_AI一期课程资料\01_AI一期课程资料\07_第14-15章节资料\code1个
├─integrated.zip
(30)\05、课件\01_AI一期课程资料\01_AI一期课程资料\07_第14-15章节资料\ppt1个
├─集成学习.pptx
(31)\05、课件\01_AI一期课程资料\01_AI一期课程资料\08_第16-17章节资料\code2个
├─dbscan.zip
├─kmeans.zip
(32)\05、课件\01_AI一期课程资料\01_AI一期课程资料\08_第16-17章节资料\ppt1个
├─聚类.pptx
(33)\05、课件\01_AI一期课程资料\01_AI一期课程资料\09_第18章节资料\code2个
├─forward_index
├─lda.zip
(34)\05、课件\01_AI一期课程资料\01_AI一期课程资料\09_第18章节资料\ppt2个
├─LDA数学八卦.pdf
├─news.csv
(35)\05、课件\01_AI一期课程资料\01_AI一期课程资料\10_第19-29章节资料\code2个
├─cifar10_images_py.zip
├─dnn.zip
(36)\05、课件\01_AI一期课程资料\01_AI一期课程资料\10_第19-29章节资料\ppt5个
├─深度学习DNN.pptx
├─深度学习DNN2.pptx
├─深度学习DNN3.pptx
├─深度学习DNN4.pptx
├─深度学习DNN5.pptx
(37)\05、课件\01_AI一期课程资料\01_AI一期课程资料\11_第30-37章节资料\code1个
├─tuijian.zip
(38)\05、课件\01_AI一期课程资料\01_AI一期课程资料\11_第30-37章节资料\ppt3个
├─Real-time Personalization using Embeddings for Search Ranking at Airbnb.pdf
├─word2vec.pptx
├─推荐系统.pptx
(39)\05、课件\01_AI一期课程资料\01_AI一期课程资料\12_第38章节资料\code4个
├─cifar-10数据集.rar
├─image_classifer_cnn.zip
├─text_classifer_cnn.zip
├─text_classifer_fasttext.zip
(40)\05、课件\01_AI一期课程资料\01_AI一期课程资料\12_第38章节资料\ppt2个
├─CNN.pptx
├─从逻辑回归到rnn 再到lstm.pdf
(41)\05、课件\01_AI一期课程资料\01_AI一期课程资料\14_第49-57章节资料\code1个
├─even_odd.py
(42)\05、课件\01_AI一期课程资料\01_AI一期课程资料\14_第49-57章节资料\ppt个
(43)\05、课件\01_AI一期课程资料\01_AI一期课程资料\02_第2章节到第4章节资料\code\linear_regression个
(44)\05、课件\01_AI一期课程资料\01_AI一期课程资料\02_第2章节到第4章节资料\code\linear_regression\boston4个
├─get_data.py
├─test_data
├─train.py
├─train_data
(45)\05、课件\01_AI一期课程资料\01_AI一期课程资料\02_第2章节到第4章节资料\code\linear_regression\regression_x15个
├─analy_mse_entropy.py
├─get_data.py
├─get_paracurve_data.py
├─gradient_linear.py
├─mse_curve.csv
├─test_curve.csv
├─test_data
├─test_paracurve_data
├─train.py
├─train_curve.csv
├─train_data
├─train_paracurve_data
├─train_xrandom.py
├─train_xrepeat.py
├─train_xsquare.py