1. 线性回归介绍与公式推导
2. 多变量线性归回归与梯度下降
3. 预测销量与广告投放相关性预测
4. 数据升维与PCA降维
5. 数据归一化与模型优化
6. 欠拟合与过拟合
7. 训练结果的可视化
8. 保存模型与再加载

1. 项目背景与需求分析
2. 特征工程之标准化
3. 基本预处理操作
4. 上采样与下采样
5. 混淆矩阵可视化函数
6. 模型的训练与准确率,精确率,召回率

1. 信息增益与算法原理介绍
2. 数据分析、特征工程
3. 模型训练与优化参数
4. 随机森林、正向激励算法
5. 采用决策树识别高风险贷款

1. Tensorflow安装
2. Tensorlfow基础知识
3. Tensorflow线性回归
4. Tensorflow非线性回归
5. Mnist数据集合Softmax讲解
6. 使用BP神经网络搭建手写数字识别
7. 交叉熵(cross-entropy)讲解和使用
8. 过拟合,正则化,Dropout
9. 各种优化器Optimizer
10. 改进手写数字识别网络
11. 模型保存与载入

1. CIFAR项目需求介绍
2. 分析爱data_batch数据集
3. CNN卷积神经网络介绍
4. 卷积、深度、池化、步长、激活函数

1. 人脸识别数据集与算法介绍
2. 模型结构设计
3. 人脸损失函数设计
4. 模型与参数调优

1. Keras神经网络框架介绍
2. 基于Keras情感类分析
3. 动物分类器实现
4. 采用Keras实现非线性回归
5. 生成式对抗神经网络原理及应用
6. 模块结构分析与优化策略
7. 采用Keras重构TensorFlow项目

1. OpenVINO框架介绍与安装测试
2. OpenCV DNN中使用IE模块加速
3. 转化工具与IE模块加速
4. 准备人脸数据
5. CV扫描图像、平滑、扩张实现
6. DNN神经网络识别人脸
7. 测试与调优操作
8. 基于OpenCV DNN构建车辆与车牌检查模型

1. 标检测任务介绍
2. RCNN/Fast-RCNN/Faster-RCNN算法介绍
3. YOLO算法介绍
4. 目标分割任务介绍
5. 全卷积网络
6. 双线性上采样
7. 特征金字塔
8. Mask RCNN算法介绍
9. 目标分割项目实战

1. 知识图谱核心技术：知识推理
2. 知识图谱应用场景与抽取概述介绍
3. 本体知识推理与任务分类
4. 实体与关系、事件抽取技术
5. 采用TxtCnn、CRF完成知识抽取
6. 采用RNN、LSTM完成知识抽取

1. 知识存储neo4j常用数据库
2. Cyhper语言介绍
3. 采用Py操作Neo4j数据库
4. 基于知识图谱问答机器人构建

4.1 实体抽取4.2 关系抽取

4.3 事件抽取5.识挖掘

6.1 本体匹配6.2 实体对齐

2.1基于关系数据库的存储2.2 基于RDF数据库的存储