客服咨询

意见反馈

人工智能应用师(中级)
人工智能//
0.0
285
视频
28.8
课时
1500.00
介绍
目录

课程概述

本课程主要分为六个部分。 第一部分是概述,主要介绍本课程的主要内容。 第二部分是数学基础,主要介绍人工智能中最重要的数学概知识,包括微积分、偏导数、方向导数、梯度、最优化和无约束最优化。 第三部分是智能的软件,主要介绍Python编程基础,以及基于Python的一些算法,通过迷宫寻路和六子棋对弈例子来运用相关知识。 第四部分是智能的硬件,主要介绍的是机器人编程的一些基础,包括机器人介绍、ROS使用、消息、rqt工具箱等。 第五部分是知识图谱,介绍了知识图谱和Neo4j的使用。 第六部分是智能算法,介绍了常用的机器学习算法,包括包括各种回归、聚类和分类算法。

课程目标

课程总体教学目标如下: (1) 掌握基本的编程能力; (2) 掌握机器人编程的基础 ; (3) 掌握知识图谱的基础知识; (4) 了解常用的机器学习算法。

考核评价

课程配有章节练习,辅助学员更好的掌握知识点。

讲师介绍

详细介绍

1、开篇
1-1 综述

(705s)

2、数学基础
2-1 一元微积分基本概念

(815s)

2-2 偏导数与全微分

(847s)

2-3 方向导数与梯度

(696s)

2-4 最优化方法概述

(649s)

2-5 常用的无约束最优化方法

(877s)

3、智能的软件
3-1 Python入门

(1135s)

3-2 Python中的基本数据类型

(1484s)

3-3 运算符和表达式

(1168s)

3-4 输入输出和字符串

(936s)

3-5 模块导入和编码规范

(1185s)

3-6 分支结构

(1420s)

3-7 循环结构

(1407s)

3-8 列表和元组

(1555s)

3-9 字典和集合

(1157s)

3-10 字符串

(1109s)

3-11 re模块

(1730s)

3-12 函数的定义与调用

(1150s)

3-13 函数的参数

(710s)

3-14 lambda表达式

(557s)

3-15 类的定义与使用

(817s)

3-16 类成员与实例成员

(940s)

3-17 类成员可访问性

(773s)

3-18 继承与多态

(879s)

3-19 运算符和特殊方法重载

(704s)

3-20 文件访问

(912s)

3-21 基本异常处理结构

(794s)

3-22 断言和自定义异常

(696s)

3-23 迷宫寻路及其求解

(664s)

3-24 迷宫寻路算法改进

(832s)

3-25 六子棋对战游戏

(1206s)

3-26 六子棋对战游戏AI算法

(696s)

4、智能的硬件
4-1 机器人定义

(1049s)

4-2 机器人发展

(713s)

4-3 机器人构型与性能

(738s)

4-4 机器人软件平台和ROS简介

(1014s)

4-5 ROS设计目标与ROS发展历程

(880s)

4-6 虚拟机的安装

(792s)

4-7 Ubuntu的安装

(740s)

4-8 ROS安装

(740s)

4-9 ROS开发环境搭建

(736s)

4-10 ROS编程环境搭建

(744s)

4-11 ROS工程创建

(814s)

4-12 ROS快速体验

(937s)

4-13 ROS术语-基础

(734s)

4-14 ROS术语-进阶

(802s)

4-15 ROS架构

(729s)

4-16 ROS文件系统

(828s)

4-17 ROS shell 命令

(805s)

4-18 ROS执行命令

(807s)

4-19 消息概述

(734s)

4-20 话题通信理论模型

(747s)

4-21 话题通信基本操作

(821s)

4-22 自定义话题通信

(856s)

4-23 服务通信

(807s)

4-24 服务通信案例

(828s)

4-25 参数服务器

(743s)

4-26 rosnode命令

(584s)

4-27 rostopic命令

(749s)

4-28 rosservice命令

(742s)

4-29 rqt工具箱

(809s)

4-30 rqt常用插件

(759s)

5、知识图谱
5-1 知识图谱概念

(897s)

5-2 知识抽取

(725s)

5-3 知识图谱构建

(820s)

5-4 Neo4j概述

(867s)

5-5 Neo4j基础

(877s)

5-6 Neo4j使用

(760s)

5-7 Neo4j基础命令

(792s)

5-8 Neo4j CQL进阶

(740s)

6、智能算法
6-1 基本术语

(388s)

6-2 模型评估方法

(366s)

6-3 性能评估指标

(391s)

6-4 一元线性回归

(626s)

6-5 多元线性回归

(626s)

6-6 Logistic回归

(409s)

6-7 决策树概述

(515s)

6-8 ID3算法

(340s)

6-9 C4.5算法

(443s)

6-10 CART算法

(477s)

6-11 线性支持向量机

(668s)

6-12 KNN分类

(532s)

6-13 贝叶斯定理

(401s)

6-14 朴素贝叶斯分类

(586s)

6-15 集成学习概述

(612s)

6-16 AdaBoost算法

(576s)

6-17 Bagging算法

(507s)

6-18 随机森林

(549s)

6-19 聚类分析概述

(526s)

6-20 K均值算法

(551s)

6-21 GMM算法

(627s)

6-22 DBSCAN算法

(599s)

6-23 层次聚类算法

(596s)

6-24 BIRCH算法

(627s)

6-25 CURE算法

(562s)

6-26 距离度量

(613s)

6-27 聚类算法评价指标

(596s)

6-28 主成分分析

(649s)

6-29 奇异值分解

(703s)

6-30 线性判别分析

(641s)

技术支持: 钉钉(中国)信息技术有限公司 杭州沃土教育科技股份有限公司