课程介绍：
本套课程黑马人工智能AI进阶，Python+人工智能，打造了线下实体班Python+人工智能就业班，以Web和人工智能-数据科学双核心，课程官方售价22980元，课程共分为7个大的阶段，文件大小共计306.48G。
课程主要是面向人工智能AI进阶班面向编程零基础、有数学基础的学员，培养AI算法工程师、图像与视觉处理（CV）开发工程师、自然语言处理（NLP）开发工程师。
课程截图：
课程目录：
【主学习路线】01、阶段一人工智能Python基础
10–第十章公共方法
11–第十一章函数
12–第十二章函数强化
13–第十三章文件操作
14–第十四章面向对象
15–第十五章异常
16–第十六章模块
17–第十七章学生管理系统(面向对象版)
1–第一章计算机组成原理
2–第二章python基础语法
3–第三章判断语句
4–第四章循环语句
5–第五章字符串
6–第六章列表
7–第七章元组
8–第八章字典
9–第九章集合
【主学习路线】02、阶段二人工智能Python高级
10–第十章MySqL数据库高级使用
1–第一章Linux基础命令
2–第二章Linux高级命令
3–第三章多任务编程
4–第四章网络编程
5–第五章HTTP协议和静态服务器
6–第六章闭包,装饰器及python高级语法
7–第七章正则表达式
8–第八章数据结构与算法
9–第九章MySql数据库基本使用
【主学习路线】03、阶段三人工智能机器学习
10–第十章决策树V2.1
11–第十一章集成学习V2.1
12–第十二章聚类算法V2.1
13–第十三章朴素贝叶斯V2.1
14–第十四章SVM算法V2.1
15–第十五章EM算法V2.1
16–第十六章HMM算法V2.1
17–第十七章集成学习进阶V2.1
1–第一章机器学习概述V2.1
2–第二章环境安装和使用V2.1
3–第三章matplotlibV2.1
4–第四章numpyV2.1
5–第五章pandasV2.1
6–第六章seabornV2.1
7–第七章K近邻算法V2.1
8–第八章线性回归V2.1
9–第九章逻辑回归V2.1
【主学习路线】04、阶段四计算机视觉与图像处理
10–第十章图像特征提取与描述_v2.0
11–第十一章视频操作_v2.0
12–第十二章案例人脸案例_v2.0
1–第一章课程简介_v2.0
2–第二章tensorflow入门_v2.0
3–第三章深度神经网络_v2.0
4–第四章图像分类_v2.0
5–第五章目标检测_v2.0
6–第六章图像分割_v2.0
7–第七章OpenCV简介_v2.0
8–第八章OpenCV基本操作_v.2.0
9–第九章OpenCV图像处理_v2.0
【主学习路线】05、阶段五NLP自然语言处理
【主学习路线】05、阶段五NLP自然语言处理
【主学习路线】06、阶段六人工智能项目实战
1–第一章智慧交通
2–第二章在线医生
3–第三章智能文本分类系统
4–第四章实时人脸识别检测项目
【主学习路线】07、阶段七人工智能面试强化（赠送）
10–第十章贝叶斯方法实现及粒子滤波
11–第十一章深度强化学习
1–第一章自动编码器
2–第二章图像分割应用
3–第三章生成对抗学习
4–第四章算法进阶迁移学习
5–第五章模型可解释
6–第六章模型压缩
7–第七章终生学习
8–第八章算法进阶进化学习
9–第九章贝叶斯方法
【课外拓展】01、阶段一HR面试技巧
【课外拓展】01、阶段一HR面试技巧
【课外拓展】02、阶段二赠送-人脸支付
第一章1-人脸支付
【课外拓展】03、阶段三赠送-文本摘要项目
第一章1-文本摘要项目
【课外拓展】04、阶段四入学第一课
无课程相关内容
【课外拓展】05、阶段五阶段一python基础（更新）
第二章2-python面向对象
第一章1-python基础编程
【课外拓展】06、阶段六阶段二Python高级（更新）
第二章2-SQL基础
第三章3-Python编程进阶
第一章1-Linux基础
【课外拓展】07、阶段七阶段三机器学习（更新）
第二章2-机器学习算法进阶
第一章1-机器学习基础算法
【课外拓展】08、阶段八阶段四—深度学习基础补充视频
【课外拓展】08、阶段八阶段四—深度学习基础补充视频
【课外拓展】09、阶段九阶段五—NLP基础补充视频
01-文本预处理-文本预处理-文本数据增强讲解
02-文本预处理-文本预处理-文本数据增强代码实现
03-文本预处理-新闻主题分类任务-数据加载方式的增补代码解读
04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐
05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念
06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理
07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型
08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解
09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景
10-Transformer—新增案例机器翻译模型-1模型的介绍
11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建
12-Transformer—新增案例机器翻译模型-3模型构建
13-Transformer—新增案例机器翻译模型-4掩码的构建
14-Transformer—新增案例机器翻译模型-5数据批处理
15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数
16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数
17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存
18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载
19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型
20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果
21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出
22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出
23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出
24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传
25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用
26-虚拟机的使用
【课外拓展】10、阶段十CV基础+项目（更新）
【课外拓展】10、阶段十CV基础+项目（更新）
人工智能课件
