机器人与人工智能

课时列表

第 1 章 ： python程序设计基础
课时1：install-py
课时2：start-py
课时3：first-py-code
课时4：run-hello.py
课时5：第一讲--人生苦短我用Python
课时6：第二讲--第三讲--基本语法
课时7：第四讲--循环结构进阶
课时8：第五讲--列表与文件
课时9：第六讲--自定义函数

第 2 章 ： 人工智能概述
课时10：人工智能基础
课时11：Anaconda安装和环境配置

第 3 章 ： 机器学习
课时12：机器学习笔记

第 4 章 ： MNIST手写数字识别
课时13：MNIST手写数字识别数据集介绍
课时14：认识标签
课时15：数据集划分
课时16：批量读取数据
课时17：MNIST-手写字体识别
课时18：分类模型构建
课时19：逻辑回归
课时20：多元回归
课时21：分类模型构建与实践
课时22：定义可视化函数
课时23：MNIST手写数字识别-分类应用入门
课时24：MNIST进阶-单隐藏层神经网络构建与应用
课时25：构建隐藏层
课时26：载入数据
课时27：应用模型
课时28：MNIST手写数字识别进阶-多层神经网络与应用
课时29：多层网络模型实现
课时30：构建多层网络模型
课时31：重构模型
课时32：初始化参数
课时33：定义相同结构的模型

第 5 章 ： 深度学习
课时34：深度学习笔记
课时35：Deep learning, chapter 1 - But what is a Neura
课时36：Deep learning, chapter 2 - Gradient descent how

第 6 章 ： 图像识别
课时37：卷积神经网络
课时38：全连接神经网络
课时39：10 图像识别问题_卷积神经网络与应用
课时40：卷积神经网络结构
课时41：卷积神经网络结构-2
课时42：pooling
课时43：卷积神经网络与应用
课时44：TensorFlow对卷积神经网络的支持
课时45：Tensorflow中CNN的相关函数
课时46：CIFAR-10图像识别案例
课时47：图像数据预处理
课时48：建立CIFAR-10图像分类模型
课时49：断点续训
课时50：可视化预测结果
课时51：图像识别问题_卷积神经网络与应用

第 7 章 ： 迁移学习
课时52：Dogs VS. Cats案例介绍
课时53：项目介绍
课时54：项目实践
课时55：基于VGG16的迁移学习
课时56：VGG16的模型实现
课时57：VGG16的tensorflow实现
课时58：数据输入
课时59：模型重新训练与保存
课时60：模型预测
课时61：基于VGG16的迁移学习模型预测
课时62：vgg图像预处理脚本代码