AI 求职直通班

通过几个短视频来探索机器学习概念！

在本练习项目中，您将创建决策函数，尝试根据每位乘客的特征（如性别和年龄）预测1912年泰坦尼克号灾难的生存结果。

学会使用 NumPy 与 Pandas 培训和测试模型。

学习评估模型的指标，比如准确率、精确率和召回率，等等。

了解模型培训过程中可能出现的各类错误，解决这类问题的方法，并优化你的机器学习模型。

通过快速自我评估测试你的 NumPy 和 pandas 技能。

学习完模型评估与验证，开始进行快速的自我评估吧！

Project Description - 预测房价

Project Rubric - 预测房价

线性回归是一种用于预测数值数据的非常有效的算法。

感知器算法是一种分类数据的算法，它是神经网络的基石。

决策树是一种决策结构，每个决策都会导致一系列后果或附加决策。

朴素贝叶斯算法是为传入的标记数据创建分类器的强大工具。

支持向量机是用于分类的非常有效的模型。

bagging 和 boosting 是提高监督式学习方法准确性的两种常用集合方法。

学完监督学习这一节课，开始进行快速的自我评估吧！

Project Description - 为慈善机构寻找捐助者

Project Rubric - 为慈善机构寻找捐助者

聚类是最常见的非监督学习方法之一。在这节课，我们将讨论 K-means 和执行聚类的其他方法。

在这个迷你项目中，你将使用 K-means 来对电影评级聚类并使用这些聚类来提供电影推荐。

我们继续研究聚类方法。 我们将探讨层次聚类与密度聚类 (DBSCAN)。

本节课中，我们学习高斯混合模型，聚类验证分析过程，并验证聚类结果。

特征缩放是执行非监督式学习时的一个重要预处理步骤，以允许同时分析多个特征。

PCA（即主成分分析）是一种特征选择方法，可将一组相关的变量转变为一组基础正交变量。

在这个迷你项目中，你将运用主成分分析到面部识别。

在本课中，我们将介绍两种用于特征提取和降维的方法：随机投影和独立分量分析（ICA）。

学完非监督学习这一节课，开始进行快速的自我评估吧！

Project Description - 创建客户细分

Project Rubric - 创建客户细分

在这一课里，Luis 将带给你夯实的深度学习与神经网络的基础知识。你也将在教室里亲手用 python 实现梯度下降法与反向传播。

Mat 会向你介绍另一个误差函数，并带领你使用 numpy 矩阵乘法实现梯度下降。

现在你已经了解了什么是神经网络。在这一课中你将学会几种方法，以提升神经网络的训练效果。

在这个项目中，你将从头开始构建和训练你自己的神经网络，预测特定一天中的共享单车用户数。加油！

Project Description - 你的第一个神经网络

Project Rubric - 你的第一个神经网络

在这节课中，《Grokking Deep Learning》一书的作者 Andrew Trask，将指导你一步步来运用神经网络进行情感分析。具体而言，你将构建一个神经网络，完全根据评论文本内容将影评归类为正面影评或负面影评！

欢迎学习深度学习计算机视觉纳米学位课程！

了解如何以数字方式表示图像并实施图像处理技巧，例如颜色遮罩和二元分类。

学习图像中的频率并实现你自己的图像过滤器，用于检测图像中的边缘和形状。使用计算机视觉进行脸部检测。

开发角点检测器，并学习 k 均值聚类等技巧以将图像分割为独特的部分。

学习如何使用特征向量描述对象和图像。

定义并训练你自己的服饰识别卷积神经网络。使用特征可视化技巧了解网络学习的规律。

运用图像处理和深度学习知识创建一个脸部关键点（眼睛、嘴巴等）检测 CNN。

Project Description - 人脸关键点检测

Project Rubric - 人脸关键点检测

在本课中，听 Sebastian Thrun 介绍他用卷积神经网络检测皮肤癌的开创性工作。

了解高级 CNN 架构并了解基于区域的 CNN（例如 Faster R-CNN）如何快速定位并识别图像中的对象。

了解 YOLO (You Only Look Once) 多对象检测模型，并实现 YOLO 算法。

学习如何使用递归神经网络 (RNN) 使深度学习网络具有记忆。了解 RNN 如何从有序数据中学习规律并生成有序数据。

Luis 介绍了长短期记忆网络 (LSTM) 以及有助于保留长期记忆的类似架构。

了解用于定义和训练深度学习模型的不同超参数。 我们将讨论调整每个超参数的起始值。

注意力是近期深度学习的最重要创新技术之一。在此部分，你将学习注意力模型的原理并完成基本的代码实现过程。

学习如何结合 CNN 和 RNN 构建复杂的自动图像说明模型。

训练 CNN-RNN 模型，预测给定图像的图像说明。你的主要任务是为 CNN 编码器实现一个有效的 RNN 解码器。

Project Description - 图像标注

Project Rubric - 图像标注

Welcome to the Natural Language Processing Nanodegree program!

Arpan 将简要介绍如何构建自然语言处理管道。

‘学习通过以下方式整理来自不同来源的文本以进一步处理这些文本：清理、标准化并拆分为单个单词或标记。'

在此部分，你将学习如何使用朴素贝叶斯算法构建垃圾邮件分类器。

Luis 将简要介绍多个词性标注方法，并深入讲解隐马尔可夫模型。

在此项目中，你将构建一个隐马尔可夫模型，用于使用通用标签集进行词性标注。

Project Description - 词性标注

Project Rubric - 词性标注

学习如何使用 IBM Watson 构建简单的问答代理。

利用词袋、TF-IDF、Word2Vec 和 GloVE 等方法转换文本，以提取可以用于机器学习模型的特征。

在此部分，你将学习如何使用潜在狄利克雷分析 (LDA) 将文档集合划分为主题。在 Lab 中，你会将此模型应用到一个新闻数据库上。

学习如何使用几种机器学习分类器（包括递归神经网络）预测文字情感，并将所学知识运用到影评数据库中。

在此部分，你将学习一种特定的 RNN 架构，用于从一种序列生成另一种序列。这些 RNN 适合聊天机器人、机器翻译等应用！

注意力是近期最重要的深度学习创新技术之一。在此部分，你将学习注意力，并在 Lab 中了解注意力的基本实现过程。

此部分将为机器翻译部分做好准备。在此部分，你将有机会在 Keras 中获得 RNN 实操经验。

概述了为 GPU 加速训练配置远程环境的步骤（注意：自然语言处理纳米学位课程不提供 AWS 积分）

将在自然语言处理课程中学到的技能运用到一个很有挑战性但是收获会颇丰的机器翻译任务中。 祝你好运！

Project Description - 项目 2：机器翻译

Project Rubric - 项目 2：机器翻译

Project Description - 毕业项目

Project Rubric - 毕业项目

GitHub是目前全世界范围内最广泛使用的代码托管平台，且普及度也在不断提高。通过本节内容，你将了解：
1）GitHub的重要性；
2）为什么要使用GitHub？
3）如何创建及优化你的GitHub个人资料。

通过本节内容，你将了解如何有效地搜索心仪职位，减少无效搜索耗费的时间，以便你能够针对具体职位优化你的申请。

个人简历不仅是对自身经历的概括，更是进入心仪领域的敲门砖。通过本章节你将学习到如何准备一份有效的个人简历。

Project Description - 简历审阅 - AI 方向

Project Rubric - 简历审阅 - AI 方向

在本章节中，我们将分享如何建立高质量职业人脉网络，扩大自身行业影响力，并从中脱颖而出。

恭喜你成功提交了毕业项目的开题报告！在完成正式的毕业项目之前，我们希望与你分享一些面试中重要的注意事项和小技巧，让你能够提前为未来的面试做准备哦！

让我们通过一些行为面试小练习和模拟面试项目帮助你巩固“STAR”方法的掌握和运用！

这里有一些面试失败的真实例子 ——不要担心，面试失败是件非常常见的事！千万不要气馁！

恭喜你进入行为导向模拟面试！回顾一下之前的知识点，放轻松，祝你好运！

Project Description - 行为导向面试 - AI 方向

Project Rubric - 行为导向面试 - AI 方向

通过本章节的情景模拟，你会对即将到来的模拟面试做好前期准备哦！

恭喜你来到最关注的技术模拟面试！放轻松，回顾过往知识点，祝你好运！

Project Description - 机器学习模拟面试实战项目

Project Rubric - 机器学习模拟面试实战项目

你已经为自己打磨准备好了必需的求职利器了，接下来就是真正上战场的时候啦！祝你面试成功，我们期待你的故事！

‘熟悉语音用户界面的原则和应用，并了解 Alexa 的技能。'

了解 ASR 管道的工作原理。

In this section you'll define a neural network with Keras, and apply the framework to analyze movie reviews.

In this section you'll get an introduction to TensorFlow, Google's deep learning framework, and you'll be able to apply it on an image dataset.

学习如何使用 PyTorch 构建深度学习模型。

C++ 和 Python 的区别，以及如何写 C++ 代码。

为了进行矩阵代数的程序运算和翻译 Python 代码，你将需要用到 C++ 向量。这些向量同 Python 列表相似，但其中的句法更为复杂。

学习如何在自己的计算机上编写 C++代码，并将其编译为可执行程序，同时尽量避免编译错误。

学习 C++ 面向对象编程的语法，以及该语言提供的一些额外的 OOP 特性。

本堂课上，我们会对比 C++ 和 Python 程序的运行速度。

现在，你已经知道了 C++ 程序是如何运行的。接下来，我们会学习一些具体的优化技巧，并付诸实践。学完本课，你就可以完成代码优化实战项目了。

准备好优化 C++ 代码了吗？本实战项目里，我们提供了一个功能正常的二维直方图滤波器。你的任务是让这个滤波器的代码运行速度更快！

版本控制是专业程序员应该掌握的重要技能。在这节课，你将了解版本控制的优势，并学习如何安装版本控制工具 Git！

你已经了解版本控制的优势并安装了 Git，现在该学习如何创建仓库了。

了解如何查看现有 git 仓库的 commit 历史记录至关重要。你将在这节课学习如何查看历史记录。

没有 commit 的仓库就什么也不是。在这节课，你将学习如何提交 commit，编写具有描述性的提交说明，以及验证要保存到仓库中的更改。

能够在不受其他更改的影响的情况下处理项目，将大大提高工作效率。你将学习如何利用 git 的分支实现这种隔离开发过程。

救命啊！出现故障了！但是不用担心，因为项目已经处于版本控制下了！你将学习如何撤消和修改保存到仓库中的更改。

你将学习如何在 GitHub 上创建远程仓库，以及如何获取和推送对远程仓库的更改。

在这节课中，你将学习如何 fork 另一位开发者的项目。与其他开发者合作是个复杂的过程，所以接下来你将学习如何为公共项目做贡献。

你将学习如何使用 Pull Request（拉取请求）向其他开发者发送建议的更改，以及如何使用强大的 git rebase 命令将 commit 压制（squash）在一起。

Unix shell 对所有领域的开发工程师来说都是一款强大的工具。在这节课，我们将快速讲解下在计算机上使用该工具的基本知识。