AI 显然是最近几年非常火的一个新技术方向，从几年前大家认识到 AI 的能力，到现在产业里已经在普遍的探讨 AI 如何落地了。我们可以预言未来在很多的领域，很多的行业，AI 都会在里边起到重要的作用。目前在商业中有所应用，而且能够创收的只有搜索推荐和计算机视觉，人脸识别以及客流分析。

 第一章：机器学习与计算机视觉

计算机视觉简介

技术背景

· 

了解人工智能方向、热点

· 

计算机视觉简介

· 

cv简介

· 

· 

cv技能树构建

· 

· 

应用领域

· 

机器学习的数学基础

· 

线性与非线性变换

· 

· 

概率学基础

· 

· 

熵

· 

· 

kl散度

· 

· 

梯度下降法

· 

计算机视觉与机器学习基础

图像和视频

· 图像的取样与量化

· 滤波

· 直方图

· 上采样

· 下采样

· 卷积

· 直方图均衡化算法

· 最近邻差值

· 单/双线性差值

特征选择与特征提取

· 特征选择方法

· filter等

· 特征提取方法：PCA、LDA、SVD等

边缘提取

· Canny

· Roberts

· Sobel

· Prewitt

· Hessian特征

· Haar特征

相机模型

· 小孔成像模型

· 相机模型

· 镜头畸变

· 透视变换

计算机视觉与机器学习进阶

聚类算法

· kmeans

· 层次聚类

· 密度聚类

· 谱聚类

坐标变换与视觉测量

· 左右手坐标系及转换

· 万向锁

· 旋转矩阵

· 四元数

三维计算机视觉

· 立体视觉

· 多视几何

· SIFT算法

三维计算机视觉与点云模型

· PCL点云模型

· spin image

· 三维重构

· SFM算法

图像滤波器

· 直通滤波

· 体素滤波

· 双边滤波器

· 条件滤波

· 半径滤波

· 图像增加噪声与降噪

OpenCV详解

OpenCV算法解析

· 线性拟合

· 最小二乘法

· RANSAC算法

· 哈希算法

· DCT算法

· 汉明距离

· 图像相似度

第二章：深度学习与计算机视觉

神经网络

深度学习与神经网络

· 深度学习简介

· 基本的深度学习架构

· 神经元

· 激活函数详解（sigmoid、tanh、relu等）

· 感性认识隐藏层

· 如何定义网络层

· 损失函数

推理和训练

· 神经网络的推理和训练

· bp算法详解

· 归一化

· Batch Normalization详解

· 解决过拟合

· dropout

· softmax

· 手推神经网络的训练过程

从零开始训练神经网络

· 使用python从零开始实现神经网络训练

· 构建神经网络的经验总结

深度学习开源框架

· pytorch

· tensorflow

· caffe

· mxnet

· keras

· 优化器详解(GD,SGD,RMSprop等

该视频出品人是王小天，目前就职于BAT之一，AI算法高级技术专家，法国TOP3高校双硕（计算机科学和数学应用双硕士）毕业。
他在人工智能和芯片领域发表10余篇论文，具有深厚的学术背景和丰富的项目及业务落地经验。 工作期间主要负责人工智能业务线CV与NLP相关算法工作，推进人机混合智能、语义分割、机器翻译、虹膜识别等模块的核心算法研究与优化。 对图像分类、物体检测、目标跟踪、自动驾驶、计算机体系结构等有深入的研究。
他兼具理论与实战落地经验，深知初学者学习痛点。说实话，这样资历的人，很难得。
这份教程是他8年人工领域实战经验的凝练，通过讲解和实战操作，让你能做到独立搭建和设计卷积神经网络（包括主流分类和检测网络），从检测模型教学逐步深入，帮你轻松掌握目标检测，并进行神经网络的训练和推理解决各种CV问题。
他对学习者的建议：计算机视觉的提升不在于搭建模型，而在于不断调优、改进过程中积累的经验。
我们该怎么针对不同领域的图像设置不同的参数？其中包括卷积核大小、网络架构、初始权重等等，不可能拿到一个模型，既适合医学图像，又适合人脸识别，这其中就需要n次从70%的精度调到95%以上中积累出经验。
而很多CV从业者觉得搭建出模型就告一段落，反反复复用不同的方式去搭建模型，先是tensorflow搭建完用pytorch搭，pytorch完事后用mxnet再来一遍，Python搭完用c/c++搭，但是至始至终没在精度和经验方面做出前进。