30天人工智能入门课，零基础从神经网络学到YOLO目标检测，为转行AI打基础
- 3.9K 次浏览
AI 总结
一套30天AI入门视频课，共6章31节课，从神经网络基础讲到卷积神经网络、YOLOv3/YOLOv4和Faster-RCNN目标检测，还有数据增强、正则化、Dropout等训练技巧。适合想转行AI的学生和程序员，按入门、基础、改进、常识、深入、技巧的顺序推进
这是一套面向零基础学习者的 30 天人工智能入门课程，共 6 章、31 个视频文件。内容从 AI 基础概念、神经网络原理讲到经典网络架构和目标检测算法，包含 YOLOv3、YOLOv4、Faster-RCNN 等实战内容，按入门、基础、改进、常识、深入、技巧六个环节推进
适合想系统补一遍深度学习基础、为求职面试或转行做准备的人，也适合想了解 AI 行业动态的爱好者
课程适合谁
- 就业：在校学生（专科/本科/研究生及以上），加强基础知识，在求职面试阶段理清思路
- 转行：程序员、产品经理、项目管理等职场新人，了解基础知识，为转行做准备
- 兴趣：AI 行业爱好者，学习基础、了解行业动态
- 创业：技术负责人、CTO，把技术方向和自身业务结合落地
课程章节安排
第一章 入门（2 节课）
学习目标：了解人工智能快速发展的背景，以及如何快速学习
- 人工智能入门知识点介绍
- 《30天入门人工智能》学习指南
第二章 基础（4 节课）
学习目标：掌握深度学习网络、神经网络训练背后的逻辑
- 深度学习基础算法与逻辑输出
- 初级神经网络入门讲解
- 浅层神经网络入门指南
- 深度神经网络入门学习
第三章 改进（6 节课）
学习目标：了解神经网络训练的协同问题，以及改进的方式
- 深度学习网络的协同问题
- 深度学习优化：Mini-Batch 梯度下降参数初始化
- 中间优化：激活函数
- 中间优化：网络同一批次化训练衰减
- 输出层优化：softmax 分类器
- 输出层优化：多任务学习与多目标优化
第四章 常识（7 节课）
学习目标：掌握经典神经网络，以及从简单到复杂的变化过程
- 人工智能核心基础：卷积神经网络（上）
- 人工智能核心基础：卷积神经网络（下）
- 经典神经网络讲解：LeNet-5
- 经典神经网络讲解：AlexNet
- 经典神经网络讲解：VGG-16
- 经典神经网络讲解：ResNet
- 经典神经网络讲解：Inception
第五章 深入（7 节课）
学习目标：掌握目标检测知识
- 目标检测基础算法讲解与实现（上）
- 目标检测基础算法讲解与实现（下）
- YOLOv3 目标检测算法的原理及实现（上）
- YOLOv3 目标检测算法的原理及实现（下）
- Faster-RCNN 目标检测算法的原理及实现（上）
- Faster-RCNN 目标检测算法的原理及实现（下）
- 项目实战评估：贝叶斯误差与网络评价
第六章 技巧（5 节课）
学习目标：学习日常工作中的一些技巧
- 网络训练技巧 1：数据增强及设计
- 网络训练技巧 2：错误分析及错误点修正
- 网络训练技巧 3：过拟合欠拟合、梯度爆炸、梯度消失
- 网络训练技巧 4：正则化技术、Dropout
- 项目实战评估：贝叶斯误差与网络评价
课程配套的 31 个视频文件在本页获取
资源目录一览
已核验有效共 31 个文件其中 31 个视频总计 978 MB
本文隐藏内容
已解锁正在确认隐藏内容
- 本文标题
- 30天人工智能入门课，零基础从神经网络学到YOLO目标检测，为转行AI打基础
- 本文作者
- 杜衡
- 来源平台
- 网友投稿
- 本文链接
- https://www.zisuda.com/30-day-ai-bootcamp-zero-to-yolo-object-detection-career-switch
版权声明：本站所有资源均来自互联网公开分享或原创整理，仅供个人学习、技术交流与研究测试使用，版权归原作者所有
免责条款：任何个人或组织不得将本站资源用于商业用途。如无意中侵犯了您的知识产权或合法权益，请通过邮件（itsafeng@gmail.com）联系我们，我们将在收到通知并核实后第一时间进行删除下架处理
