Python数据挖掘人工智能算法学习资料
这份学习资料包含：数学、Python、机器学习、深度学习、自然语言处理、图像处理、“优质Python案例代码”等内容。
从“数学”到“图像处理”这六项有课件、视频、代码资料，“优质Python案例代码”是代码和数据资料。
其中数学包括：数学分析、线性代数、概率论与数理统计等内容。
其中Python包括：python语言、文件操作、网络请求、numpy、matplotlib、pandas、sklearn、tensorflow、keras等内容。
其中机器学习包括：线性回归、Logistic回归、Softmax回归、KNN、决策树、随机森林、GBDT、XGboost、K-means聚类、层次聚类、密度聚类、SVM、朴素贝叶斯、EM算法、隐马尔可夫模型、主题模型、数据清洗与特征选择等内容。
其中深度学习包括：全连接神经网络(BP)、卷积神经网络(CNN)、循环神经网络(RNN)(LSTM与GRU)、生成对抗神经网络(GAN)、自编码神经网络(AE)、LeNet手写数字识别、VGG16Net、MobileNet、ShuffleNet等内容。
其中自然语言处理包括：分词(jieba、规则分词、N-gram、HMM和CRF分词)、词向量(哑编码、词袋法、TFIDF以及主题模型)、垃圾邮件过滤项目、Word2Vec(CBOW、Skip-gram、Gensim、Embedding)、(Char2Vec、Doc2Vec、FastText)、词性标注、句法分析、语义分析、HanLP、jiagu、Seq2Seq、Attention、Transformer、Bert、聊天机器人、命名实体识别、关系抽取等内容。
其中图像处理包括：PIL框架、GoogleNet、OpenCV的常用API、Canny边缘检测目标检测、ResNet、DenseNet、Selective Search区域框获取、OverFeat网络、RCNN网络、SPP Net目标检测、Fast R-CNN目标检测、Faster RCNN、SSD网络、YOLO v3网络、Deep Lab v3图像分割、Mask R-CNN图像分割、MT CNN网络、智能闸杆系统项目、人脸识别通道管理系统项目等内容。
其中“优质Python案例代码”包括：python语言、文件操作、网络请求、numpy、matplotlib、pandas、sklearn、tensorflow、keras等API的使用案例，以及京东各手机品牌用户占比爬虫项目、爬取代理IP的爬虫项目、豆瓣电影爬虫项目、看客inSight微信文章爬虫项目，以及多个数据集(鸢尾花数据集、手写数字、红白酒质量、波士顿房价、气温数据集、复旦大学中文文本分类数据集、京东各手机品牌用户占比数据集等)，以及RNN温度预测、LeNet、VGG、CNN文本分类、RNN文本分类等案例。
