【整理】AI 技术 要点 要学习的方向

AI课程目录
模块一:计算机视觉
数字成像系统
2、视觉处理与分析
3、视觉处理算法基础
4、视觉特征提取
5、运动估计

模块二:机器学习入门
1、机器学习简介
2、线性回归
3、 Logistic回归

模块三:深度学习入门
1、神经网络
2、全连接神经网络介绍
3、深度学习基础
4、深度学习网络结构5、深度学习训练与优化

模块四:框架与环境
Tensorflow框架

模块五:机器学习基础算法
1、SVM
2、决策树3、集成机器学习
4、非监督学习
5、推荐系统

模块六:位姿估计与三维重构
1、位姿估计
2、极线几何与立体视觉

模块七:计算机视觉与神经网络
1、卷积神经网络
2、基于sim的神经网络模型训练

模块八:工业级实战项目
1、CTR预估
2、视频目标跟踪3、全景拼接
车辆检测

• 1、熟悉RNN、CNN等深度学习算法及其常用工具如Caffe、Theano、Torch等；
• 2、在CVPR、ICCV、CCF-A等顶级会议或期刊上发表过论文；
• 3、在ImageNet、LFW、Kaggle等国际著名比赛上成绩优秀者；
• 4、有目标检测、目标跟踪、行为识别相关经验者。
• 1. 熟悉RNN、CNN等深度学习算法及其常用工具如Caffe、CNTK、TensorFlow等；
• 2. 有语音识别、语音合成等相关方向较丰富的实际系统研究和开发经验者；
• 3. 在语音相关领域会议或国内外知名比赛中获得过优秀成果者；
• 4. 在CVPR、ICCV等顶级会议或期刊上发表过论文；
• 5. 在ImageNet、LFW、Kaggle等国际著名比赛上成绩优秀者；
• 6. 有计算机视觉方面有较丰富的实际系统研究和开发经验者；
• 7. 熟悉深度学习算法在自然语言理解中的应用；
• 8. 有自然语言理解相关方向较丰富的实际系统研究和开发经验者

转载请注明：在路上 » 【整理】AI 技术 要点 要学习的方向