📚 课程介绍
本课程从Python基础入手，逐步深入到机器学习和深度学习，通过丰富的实战案例帮助学员提升实战能力。
📋 学习前提
1. Python基础（了解Python的基本语法和数据结构） 2. 数学基础（掌握线性代数、概率论和统计学的基本概念）
📖 课程目录
第1章 人工智能时代，人人都应该学会利用AI这个工具
1-1 课程导学
1-2 内容快速概览
1-3 人工智能介绍
1-4 环境及工具包介绍
1-5 环境配置及Python语法实操
1-6 Pandas、Numpy、Matplotlib实操
第2章 机器学习之线性回归
2-1 机器学习介绍
2-2 线性回归
2-3 线性回归实战准备
2-4 单因子线性回归实战
2-5 多因子线性回归实战
第3章 机器学习之逻辑回归
3-1 分类问题介绍
3-2 逻辑回归（1）
3-3 逻辑回归（2）
3-4 实战准备
3-5 考试通过实战（一）
3-6 考试通过实战（二）
3-7 芯片检测实战
第4章 机器学习之聚类
4-1 无监督学习
4-2 Kmeans-KNN-Meanshift
4-3 实战准备
4-4 Kmeans实战（1）
4-5 Kmeans实战（2）
4-6 KNN-Meanshift
第5章 机器学习其他常用技术
5-1 决策树（1）
5-2 决策树（2）
5-3 异常检测
5-4 主成分分析
5-5 实战准备
5-6 实战（1）
5-7 实战（2）
5-8 实战（3）
第6章 模型评价与优化
6-1 过拟合与欠拟合
6-2 数据分离与混淆矩阵
6-3 模型优化
6-4 实战准备
6-5 实战（一）
6-6 实战（二）
6-7 实战（三）
第7章 深度学习之多层感知器
7-1 多层感知器(MLP)
7-2 MLP实现非线性分类
7-3 实战准备
7-4 实战（一）
7-5 实战（二）
第8章 深度学习之卷积神经网络
8-1 卷积神经网络（一）
8-2 卷积神经网络（二）
8-3 实战准备
8-4 实战（一）
8-5 实战（二）
第9章 深度学习之循环神经网络
9-1 序列数据案例
9-2 循环神经网络RNN
9-3 不同类型的RNN模型
9-4 实战准备
9-5 实战（一）RNN股价预测
9-6 实战（二）RNN股价预测
9-7 实战（一）LSTM实现文本生成
9-8 实战（二）LSTM实现文本生成
第10章 迁移混合模型
10-1 迁移学习（一）
10-2 迁移学习（二）
10-3 在线学习
10-4 混合模型1
10-5 混合模型2
10-6 实战准备（一）
10-7 实战准备（二）
10-8 基于新数据的迁移学习实战
10-9 机器深度学习实现少样本苹果分类（一）
10-10 机器深度学习实现少样本苹果分类（二）
10-11 机器深度学习实现少样本苹果分类（三）
10-12 机器深度学习实现少样本苹果分类（四）
第11章 课程总结
11-1 课程总结（一）
11-2 课程总结（二）
11-3 课程总结（三）
