以《机器学习》、《深度学习》两本书为基本
辅以CS231n和CS224n的视频课
使用python3.7 + pycharm + pytorch + TensorFlow 来编程实现代码
同时进行CV和NLP两个方向的论文学习
最后进行几个实际的项目的实战
基础部分
1、Anaconda搭建人工智能与深度学习平台
2、Python基础
Python基础①：基础语法元素
Python基础②：基本数据类型
Python基础③：组合数据类型
Python基础④：程序控制结构
Python基础⑤：函数
Python基础⑥：类和对象
Python基础⑦：文件读写、模块、包和库
Python基础⑧：异常处理
Python基础⑨：标准库
Python基础⑩：numpy库
3、PyTorch基础
4、数学基础
算法部分
说在前面！一定要看啊，节省时间！
1、监督算法
线性模型
逻辑回归
决策树
支持向量机
贝叶斯分类
K近邻
集成学习——随机森林
集成学习——Adaboost
集成学习——GDBT
深度学习与神经网络
2、半监督算法
概率图模型
半监督支持向量机
3、无监督算法
K-Means聚类
降维与PCA主成分分析
无监督的神经网络GAN
4、强化学习
蒙特卡罗树
Q-Learning
领域应用
CS231n课程——图像领域
CS224n课程——自然语言领域
项目实战
自动编曲
人脸检测识别
图片生成文字