工欲善其事，必先利其器。很多小伙伴都想学人工智能，那么你只需要参考这套学习路线，静下心来一步一步学习，相信你很快就能开启AI人工智能的大门了！

话不多说，开始敲重点：

预科阶段：快速实战入门

2) 人工智能流程与本质

3) 人工智能流程对比人类思考过程

4) 机器学习与深度学习本质区别

5) 回归与分类任务本质

6) 聚类与降维任务本质

第一阶段：python 基础与科学计算模块

第八阶段：海量数据挖掘工具

1) 分布式存储和计算概念

7) 代码实战蒙特卡洛计算圆周率 Pi

第九阶段：概率图模型算法

3) 代码实战垃圾邮件分类

2) 初始概率、转移概率、发射概率

3) 隐含马尔可夫模型原理

1) 熵、条件熵、相对熵、互信息

2) 最大熵模型算法原理

3) 有约束条件的函数最优化问题

4) 最大熵和最大似然估计关系

2) 条件随机场的判别函数

1) 从生物神经元到人工神经元

3) 透过神经网络拓扑理解逻辑回归分类

5) 透过神经网络隐藏层理解升维降维

6) 剖析隐藏层激活函数必须是非线性的原因

8) 水泥强度预测案例及绘制神经网络拓扑

4) 不同激活函数在反向传播应用

5) 不同损失函数在反向传播应用

第十一阶段：图像识别原理到进阶实战

1) 梯度消失与梯度爆炸

8) 皮肤癌医疗图像检测项目

8) 深度学习用户画像项目

5) 电影评论情感分析案例

各省市电网，需要建立一套完善的电缆线部件缺陷检测的平台，为各省市的电缆线部件    缺陷提供智能化的解决方案，进一步确保电网系统的安全运行。现在有些省市的电网缺陷部    件的检测仍采用人工查缺的方式，智能化的缺陷检测平台可以提高电缆线部件缺陷检测的准    确率，节省成本。

对目标检测算法有一个很好的了解，重点掌握 cascade R-CNN 算法能够对 mmdetection 工具有一个很好的了解

对数据打标签、数据集制作、算法模型训练有一个很好的掌握  对 mmdetection 代码有一定了解，学会如何改进和优化算法

在机器视觉应用中，外观检测一直是行业痛点。外观缺陷中的划痕、脏污、形态不一、    大小不同、深浅和各种姿态都不同，很难用传统的视觉检测算法稳定检测。但是随着深度学习技术的发展，采用深度学习模式的外观检测程式，成为了外观检测的新方法。

对目标检测算法有一个很好的了解，重点掌握 Faster R-CNN 算法对数据打标签、数据集制作、算法模型训练有一个很好的掌握

施工工地对安全帽佩戴的检测和监管力度越来越大了，从智能安全帽的应用到安全帽检    测系统的智能管理，现在的安全帽检测升级版对于安全帽佩戴标准也有了新的分析算法，对    未正确佩戴、悬挂等都能准确检测识别。对工作服颜色接近安全帽颜色的检测能力有了更高    的提升，比传统的安全帽识别系统精度更高。

对目标检测算法有一个很好的了解，重点掌握 Yolo V3 算法对数据打标签、数据集制作、算法模型训练有一个很好的掌握  对 Yolo V3 代码有深刻认知，学会如何改进和优化算法

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄    像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸    进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

通过一个完整的人脸识别项目，掌握人脸识别系统的开发流程和关键技术。

从 0 到 1，全面剖析完整项目整个建设生命周期：需求分析、架构设计、环境部署、程序设计、模型训练。

掌握人脸识别一般过程，人脸检测、人脸对齐、人脸识别 掌握人脸检测的集成学习方法

掌握人脸检测的 CNN 方法

掌握人脸检测+关键点定位的多任务网络 MTCNN

OCR 文字识别软件，指利用 OCR （Optical Character Recognition，光学字符识别） 技术，将图片、照片上的文字内容，直接转换为可编辑文本的软件。软件可以把图片转换成可以编辑的文字。从验证码、身份证识别、驾驶证识别、票据识别，到如今更多的识别自然场景下的整句话，甚至理解 PDF 里面带错别字的整段文字，应用场景可谓非常之广。

了解 OCR 应用场景和概念

掌握深度学习训练 OCR 模型的整体流程和代码

实体关系抽取解决了原始文本中目标实体之间的关系分类问题，它也被广泛应用于文本    摘要、自动问答系统、知识图谱、搜索引擎和机器翻译中。中文实体关系抽取由于中文句式    和语法结构复杂，汉语有更多歧义，会影响关系分类的效果。

对实体关系抽取技术、在行业应用有很清晰的认识。学会如何从语料库中通过机器学习    和深度学习算法建立关系，服务于自动聊天机器人和知识图谱。

了解任务是从无结构的文本中抽取实体以及实体之间的关系（实体 1-关系-实体 2，三元组），这里的关系是我们预定义好的关系类型。

可以学到综合运用词嵌入、BiLSTM、CRF 等 NLP 相关知识

（Dialog Systems），是当前的一个研究热点。Microsoft 在聊天机器人领域下了巨大赌注，其他的公司，例如 Facebook（M）、Apple（Siri）、Google、WeChat 和 Slack 也不甘落后，推出了相关的产品。这股聊天机器人的新浪潮，也在一些创业公司兴起了：试图改变用户和服务之间的交互模式的产品

我们将会介绍用于搭建聊天机器人模型的深度学习技术，让同学对于“这个领域中，什    么是能做到的，什么是现阶段几乎不可能实现的”有一个清晰的认知。并且学习搭建检索式    聊天机器人和产生式聊天机器人。

对智能问答技术会有很清晰的认识

理解意图识别、实体关系抽取对 Chatbot 的作用可以学到一个聊天机器人项目实现

了解聊天机器人现阶段面临的挑战

知识图谱的应用从最初的 Google 搜索，已经蔓延到了聊天机器人，大数据风控、投资、智能医疗、自适应教育、推荐系统、物联网等多个重要领域，并逐步成为不可缺少的一门人工智能技术。

对知识图谱技术、行业应用有很清晰的认识。学到完整知识图谱项目全生命周期所涉关    键问题的解决思路。

对知识图谱技术、行业应用全貌会有很清晰的认识

可以学到一个完整知识图谱项目全生命周期所涉及到的步骤  对每个关键问题的解决思路

推荐系统在各种系统中广泛使用，推荐算法则是其中最核心的技术点， 为推荐系统选择正确的推荐算法是非常重要的决定。每一种推荐算法都有其优点和缺点，当然也有其限制    条件，在作出决定之前，必须要一一考量。在实践中，你可能会测试几种算法，以发现哪一    种最适合你的用户，学习中你也会直观地发现它们是什么以及它们的工作原理。

掌握推荐系统原理与工作方式，使用 SparkMLlib 库进行建模。并且掌握更多推荐系统相关算法的运用。

对推荐系统技术架构、行业应用全貌会有很透彻的理解掌握 SparkMLlib、Hive 数仓、python 脚本的综合使用掌握 GBDT+LR 架构在推荐系统的运用

掌握 FM 和 FFM 算法在推荐系统中的运用

智能商业分析项目对于企业的盈利会起到非常直接的影响，会深入影响企业制定战略策    略，也是很多企业非常看重的硬需求。成功案例比如，微博粉丝推广，宠物类目如何圈定投    放人群，如何保持有效客户池，店铺营销，如何招揽客圈人，挖掘潜在人群，ROI（投资回    报率）翻倍，企业成本控制。

全面了解智能商业的价值，了解运营的价值，挖掘深层次用户行为、消费能力、行业所    需，结合机器学习算法和 NLP 知识进行数据挖掘

掌握智能商业分析和运营的关系

通过机器学习算法、分类、预测、深层次学习特征发现 深入理解企业级用户画像系统

基于画像系统提高公司的收益

学会销售分析、投入分析、商品分析、促销分析、行为分析、CAC 模型精准分析用户、ROI 精准实现变现能力

求联合概率密度函数,与正态分布有关已知X,Y分别为独立高斯分布随机变量,都有零均值单位方差,求Z1=aX+bY与Z2=c