AI人工智能算法工程师

目前暂时只有7章节，介意勿下

AI人工智能算法工程师，
├──00 资料
| ├──电子书
| | ├──01 AI 开发的语言Python
| | └──02 AI中核心数学知识
| └──项目教辅
| | ├──01 人工智能的新浪潮.html 2.23M
| | ├──02 人工智能的早期发展历.html 1.87M
| | ├──03 人工智能的典型应用.html 2.23M
| | ├──04 什么是人工智能.html 2.05M
| | ├──05 第2周 课程资源 res.zip 631.66M
| | ├──06 第2周 全部代码.zip 92.31M
| | ├──07 本章介绍.html 292.80kb
| | ├──08 基本输入输出.html 547.12kb
| | ├──09 程序逻辑结构.html 2.08M
| | ├──10 序列.html 2.89M
| | ├──11 文件与文件夹操作_yol.zip 633.26M
| | ├──12 函数.html 901.76kb
| | ├──13 文件与文件夹操作.html 759.01kb
| | ├──14 python中的类.html 307.04kb
| | ├──15 第三周 课程代码与资.zip 718.04M
| | ├──16 课程整体介绍与学习安.html 297.87kb
| | ├──17 文本文件操作.html 540.13kb
| | ├──18 excel处理.html 1.44M
| | ├──19 matplotlib.html 783.73kb
| | ├──20 OpenCV.html 796.40kb
| | ├──21 pickle文件处理：数据.html 207.80kb
| | ├──22 软件的封装.html 256.94kb
| | ├──23 线性代数.html 1.47M
| | ├──24 微积分.html 2.28M
| | ├──25 反向传播算法-代码.zip 6.45kb
| | ├──26 概率论.html 1.18M
| | ├──27 机器学习特征.html 1.53M
| | ├──28 机器学习基础.html 1.21M
| | ├──29 机器学习模型种类.html 1.41M
| | ├──30 机器学习评估指标.html 1.13M
| | ├──31 机器学习优化目标.html 991.55kb
| | ├──32 机器学习-机器学习案.zip 2.67kb
| | ├──33 机器学习案例实战.html 920.84kb
| | ├──34 单层感知器模型.zip 1.25kb
| | ├──35 神经网络基础.html 1.03M
| | ├──36 单层神经网络案例实践.html 521.32kb
| | ├──37 多层感知器异或问题求.zip 1.40kb
| | ├──38 多层之感知器与反向传.html 1.07M
| | ├──39 多层神经网络案例实践.html 544.82kb
| | ├──40 序列预测问题与RNN模.html 1.11M
| | ├──41 长短时记忆网络与门控.html 723.60kb
| | ├──42 卷积神经网络基础.html 1.08M
| | ├──43 卷积与全连接的比较.html 948.89kb
| | ├──44 卷积与池化反向传播.html 807.77kb
| | ├──45 典型卷积神经网络模型.html 1.29M
| | ├──46 激活函数.html 950.37kb
| | ├──47 参数初始化.html 829.00kb
| | ├──48 深度学习标准化.html 803.41kb
| | ├──49 深度学习泛化与正则化.html 1.73M
| | ├──50 深度学习学习率与优化.html 1.27M
| | ├──51 Label Studio标注结.zip 861.07kb
| | ├──52 imgaug.zip 29.52kb
| | ├──53 安装PyTorch.html 213.80kb
| | ├──54 TENSORS的操作.html 1.38M
| | ├──55 Tensor操作.zip 1.10M
| | ├──56 Dataset与Dataloader.html 641.57kb
| | ├──57 Dataset与Dataloader.zip 656.47M
| | ├──58 数据增强与转换.html 2.75M
| | ├──59 数据增强与转换代码.zip 14.86M
| | ├──60 模型搭建与复现.html 1.74M
| | ├──61 模型搭建与复现.zip 4.74kb
| | ├──62 第11周【代码】.zip 565.22M
| | ├──63 优化器【代码】.zip 11.01kb
| | ├──64 pytorch封装软件【代.zip 79.26M
| | ├──65 代码.zip 0.87kb
| | ├──66 AlexNet与VGGNet（ppt.html 2.16M
| | ├──67 从零搭建VGGNet（ppt.html 364.84kb
| | ├──68 代码.zip 1.97kb
| | ├──69 1X1卷积与Inception结.html 1.23M
| | ├──70 从零搭建GoogLeNet（p.html 349.56kb
| | ├──71 代码.zip 3.13kb
| | ├──72 ResNet与DenseNet（pp.html 1.28M
| | ├──73 从零搭建ResNet（ppt.html 378.10kb
| | ├──74 MobileNets代码.zip 26.89M
| | ├──75 卷积拆分分组与Xcepti.html 1.28M
| | ├──76 MobileNet系列.html 2.01M
| | ├──77 从零搭建MobileNet.html 348.33kb
| | └──78 ShuffleNets.zip 13.88M
├──01 快速搞清楚人工智能
| └──01 人工智能发展前景与就业方向
| | ├──01 课程全面解析
| | ├──02 人工智能到底是什么
| | ├──03 人工智能发展背后的历史
| | └──04 解锁人工智能各大行业典型应用&就业方向
├──02 AI编程基石：Python入门与进阶
| ├──01 Python起步：入门与环境搭建
| | ├──01 周课程整体介绍和安排
| | ├──02 Anacond软件：安装、管理python相关包
| | ├──03 Jupyter Notbook&Pycharm：Py开发工具
| | └──04 环境配置的优化方案
| ├──02 Python基础与程序流程控制
| | ├──01 基础语法与输入出
| | ├──02 顺序结构语句
| | ├──03 选择结构语句
| | └──04 循环结构语句
| ├──03 Python列表、元组、字典和集合
| | └──01 Python序列与应用
| ├──04 Python函数、模块，文件与文件夹操作
| | ├──01 Python函数
| | ├──02 python模块
| | └──03 Python文件与文件操作
| └──05 Python面向对象编程
| | ├──01 面向对象的概念
| | ├──02 面向对象的特征
| | └──03 综合案例
├──03 AI编程基石：Python高级编程
| ├──01 Python的文件、表格、绘图、视频处理
| | ├──01 周课程整体介绍与安排
| | ├──02 文本文件操作
| | ├──03 pandas 表格数据处理
| | ├──04 Matplotlib 常用画图处理
| | ├──05 OpenCV 影像数据处理
| | └──06 pickle文件处理：数据序列化处理
| └──02 PyQt构建用户界面应用程序
| | ├──01 PyQt安装与构建用户界面
| | └──02 优化PyQt构建用户界面应用程序
├──04 人工智能底层基石-三大必备AI 数学基础
| ├──01 线性代数：人工智能数据基础
| | ├──01 周课程整体介绍与安排
| | └──02 线性代数
| ├──02 微积分： 数学背后的AI力量
| | ├──01 概念回顾：导数、微分、积分
| | ├──02 链式求导
| | └──03 反向传播算法
| └──03 概率论： 数据科学与AI的关键
| | └──01 概率论核心概念与案例
├──05 机器学习 – 解锁人工智能的核心
| ├──01 机器学习理论&常见任务
| | ├──01 周介绍和课程安排
| | ├──02 机器学习基础
| | ├──03 机器学习特征
| | └──04 机器学习常见任务
| ├──02 评估目标与优化目标
| | ├──01 机器学习评估指标
| | └──02 机器学习优化目标
| └──03 机器学习模型实践
| | └──01 逻辑回归模型原理与实战
├──06 神经网络 – 处理和学习复杂的数据
| ├──01 单层神经网络原理与实践
| | ├──01 周课程整体介绍与安排
| | ├──02 生物神经网络原理
| | └──03 感知器与梯度反向传播
| ├──02 多层神经网络原理与实践
| | ├──01 多层感知器与反向传播算法
| | └──02 多层神经网络案例实践
| └──03 序列神经网络
| | ├──01 序列预测问题与RNN模型
| | └──02 长短时记忆网络与门控循环单元
└──07 卷积神经网络（CNN）-处理具有网格结构数据的任务
| ├──01 卷积神经网络基础
| | ├──01 周课程整体介绍与安排
| | ├──02 卷积神经网络基础
| | └──03 卷积与全连接的比较
| └──02 典型卷积神经网络模型
| | ├──01 卷积与池化反向传播
| | └──02 典型卷积神经网络模型