AI人工智能从其市场规模分布来看，计算机视觉方向占比高达37%位列第一位，如果你想加入这个行业，想解锁年薪30万以上的岗位，赶紧加入我们。从入门到进阶，攻破人工智能CV领域。
课程概况
本微专业由城市数据团联合网易共同出品。网易教学团队则结合人工智能事业部一线产品真实案例，帮助学员进阶人脸识别实战。课程还额外邀请了来自硅谷的数据科学家为大家揭秘世界级互联网公司的人工智能应用之道。
适用人群
2、职场小白。已经步入职场，技能需要补充且自学吃力的职场人员。
3、转行人员。想从传统行业转型人工智能方向的从业人员。
4、企业管理者。企业内希望深入了解人工智能计算机视觉方向的团队管理者学前基础。
本门课程从零开始讲解，若学员有python语言及统计学基础则更容易上手。
课程目录：
第一章人工智能-计算机视觉概述
1.1AI工程师课程体系介绍
1.2计算机视觉历史回顾及发展
1.3适用场景及需求
1.4主流技术体系及理论知识
第二章基于图片数据的城市研究实践
2.1基于街景图片的城市公共空间变化评价
2.2基于街景图片的城市公共空间品质评价
2.3基于微博文字及图片的城市意想评价
2.4基于Flickr图片的城市意想评价
02Python快速掌握
第一章Python语言基础
第二章科学计算库numpy
第三章数据分析库pandas
第四章图表绘制库matplotlib
考核项目1：电影数据处理及分析实战
03计算机视觉库OpenCV
本门课程主要学习计算机视觉基础知识，及计算机视觉库OpenCV的使用，包括图像的载入、保存、剪切、缩放、移动、翻转等操作，并且使用OpenCV完成目标检测、人脸检测等实际应用。
第一章基础操作
1.1基础操作
第二章几何变换
2.1翻转
2.2裁剪
2.3图像算数
2.4按位计算
2.5遮挡
2.6切分合并通道
2.7图像金字塔
第三章形态学
3.1形态学(1)
3.2形态学(2)
第四章图像平滑
4.1图像平滑
第五章颜色空间转换
5.1颜色空间转换
第六章二值化
6.1二值化Thresholding(1)
6.2二值化Thresholding(2)
第七章图像梯度
7.1图像梯度
第八章Canny边缘检测
8.1Canny边缘检测(1)
8.2Canny边缘检测(2)
第九章视频操作
9.1读取摄像头视频
9.2读取视频文件
9.3视频写入
第十章人脸检测识别
10.1人脸检测(1)
10.2人脸检测(2)
10.3人脸识别
考核项目2：人脸识别项目实战
04数学理论基础&Python代码实现
本门课程主要是人工智能数学基础的学习，为后面的人工智能算法课程打下基础。学员主要学习数学领域的三大方向：高等数学、线性代数和概率统计。本课程会从最基础的数学概念开始讲起，并通过python代码实现，帮助大家从零开始学好数学。
第一章高等数学
1.1函数与极限
1.2导数与微分
1.3导数的运用
1.4不定积分
1.5定积分及其应用
1.6重积分
第二章线性代数
2.1行列式
2.2矩阵
2.3矩阵空间与线性变换
2.4向量，矩阵及其对角化
第三章概率论与数理统计
3.1概率论的基本概念
3.2变量与分布
考核项目3：统计数学模型构建(1)
考核项目4：统计数学模型构建(2)
05深度学习基础
第一章感知器
课程1.0本章节课程介绍
课程1.1深度学习基本介绍和基本应用
课程1.2深度学习发展背景和人物介绍
课程1.3机器学习基础
课程1.4单层感知器介绍
课程1.5单层感知器应用案例
课程1.6线性神经网络处理异或问题
课程1.7delta学习规则和梯度下降法
第二章BP神经网络
课程2.1BP网络介绍
课程2.2BP算法详细推导
课程2.3激活函数和梯度消失讲解
课程2.4BP神经网络-异或问题
课程2.5BP神经网络实现手写数字识别
课程2.6sklearn-手写数字识别
考核项目5：葡萄酒识别
06深度学习框架I：Tensorflow
课程内容基本上是以代码编程为主，也会有少量的深度学习理论内容。课程从TensorFlow最基础的图（graphs），会话（session）、张量（tensor）、变量（variable）等一些最基础的知识开始讲起，逐步讲到Tensorflow的基础使用，以及其中CNN和LSTM的使用，在课程后面还会学到多分类图像识别等。
第一章TensorFlow基础
1.1TensorFlow简介
1.2创建图和会话
1.3再来说说变量
1.4fetchandfeed
1.5模拟线性回归方程
1.6非线性回归
1.7MNIST数据集及Softmax函数
1.8再看“手写数字识别”
第二章网络优化
2.1交叉熵是什么？
2.2交叉熵与二次代价函数的对比
2.3什么是过拟合？
2.4使用dropout抵抗过拟合
2.5使用正则化抵抗过拟合
2.6各种优化器介绍
第三章Tensorboard
3.1Tensorboard网络可视化
3.2Tensorboard网络运行结果可视化
3.3Tensorboard高级功能
4.1为什么需要卷积神经网络
4.2局部连接和权值共享
4.3卷积的计算
4.4卷积的步长
4.5池化层
4.6Padding
4.7LeNet-5网络结构分析
4.8卷积神经网络运用于“手写数字识别”
4.9深度卷积网络
4.10VGG16介绍
4.11谷歌Inception网络简介
第五章序列模型
5.1什么是序列模型？
5.2循环神经网络模型
5.3LSTM模型
5.4GRU模型
5.5双向神经网络
5.6LSTM应用于“手写数字识别”
第六章模型的保存载入
6.1ckpt模型存储
6.2ckpt模型载入
6.3BP模型存储
6.4BP模型载入
第七章多分类图像识别
7.1GPU下使用TensorFlow
7.2基于Inception-v3的图像识别
7.3迁移学习
第八章破解图形验证码
8.1多任务学习介绍
考核项目7：智能场景分类
考核项目8：验证码识别
07深度学习框架II：Keras
本门课程内容基本上是以代码编程为主，也会有少量的深度学习理论内容。课程会一步一步从Keras环境安装开始，到实现线性回归、非线性回归，手写数字分类模型，以及一些深度学习网络的应用如CNN、LSTM，最后会带着大家完成一个图像分类的实战任务。
第一章Keras基础
1.1Keras简介
1.2线性回归
1.3非线性回归
1.4Keras运用于“手写数字识别”
2.1交叉熵的运用
2.2Dropout的运用
2.3正则化
2.4各种优化
第三章卷积神经网络
第四章序列模型
第五章其他应用
5.1保存模型
5.2载入模型
5.3绘制网络结构
第六章猫狗分类问题
6.1图像预处理
6.2猫狗分类-简单CNN
6.3猫狗分类-VGG16bottleneck
6.4猫狗分类-VGG16Finetune
考核项目9：如何鉴别汪星人品种
08计算机视觉应用实战
本门课程是计算机视觉微专业课程中最重要，同时也是难度最大的部分，在这个课程中我们会综合前面课程学习到的python语言基础、OpenCV运用、数学理论知识及深度学习算法知识、TensorFlow及Keras应用，来完成计算机视觉领域中最前沿的技术应用。
第一章目标检测
1.1什么是“目标检测”？
1.2RCNN/Fast-RCNN算法介绍
1.3YOLO算法介绍
1.4SSD算法介绍
1.5多分类目标检测案例演练
第二章目标分割
2.1什么是“目标分割”？
2.2全卷及网络
2.3双线性上采样
2.4特征金字塔
2.5MaskRCNN算法
2.6目标分割案例演练
第三章人脸识别
3.1人脸识别具体做什么？
3.2人脸识别算法介绍
3.3人脸属性识别算法介绍
3.4人脸识别案例演练
第四章图像风格迁移
4.1什么是“图像风格迁移”？
4.2算法介绍
4.3图像风格迁移案例演练
第五章生成对抗网络GAN
5.1什么是“生成对抗网络GAN”
5.2算法介绍
5.3生成手写数字案例演练
考核项目10：行人检测
考核项目11：用深度学习代替PS抠图大法
考核项目12：照片年龄检验
考核项目13：图片风格变换
考核项目14：智能文字生成
考核项目15：监测视频中的人脸识别运用
09网易实战：人脸检测与识别专题
本门课程将会重点讲解人脸识别，包括Faster-RCNN、SSD等框架介绍，基于Caffe框架进行人脸检测模型的训练，并且手把手教大家训练Insightface算法，达到LFW95%以上的实验效果。最后通过实战项目，对比不同的loss函数及模型，对效果进行调优。
第一章人脸检测
1.1Faster-RCNN、SSD等框架介绍
1.2基于Caffe框架、PythonGPU进行人脸检验模型训练
第二章人脸关键点检测
2.1人脸关键点概念及作用
2.3MTCNN算法的实现
3.2Mxnet的环境搭建及Insightface算法实现
3.3进阶实践：手把手训练Insightface
3.4实战项目：《如何选择合适的人脸识别算法》，并基于不同模型进行效果调优
10硅谷实战：对抗样例及DL模型弱点
第一章对抗样例介绍
1.1介绍对抗样例的概念及发展历史
1.2对抗样例详解及案例
第二章对抗样例的机理和用途
2.1对抗样例是如何产生的？
2.2对抗样例如何攻击图像识别的深度学习模型？
第三章对抗样例的房屋
3.1现有的对抗样例防范方法及难度
3.2利用对抗样例提升模型的准确性
网易云课程，18.66G计算机视觉AI工程师全套教程下载
课程名称深度之眼人工智能Paper论文精读班（CV方向）视频教程课程目录┣━━Paper…...
课程介绍人工智能将成为未来五年最火的行业之一，学习这套课程，我们将会用3个月的时…...
课程介绍：这两年视觉SLAM相当火了，作为面试官常常感叹现在的小伙伴比我们那会厉害…...
课程介绍OpenCV的全称是：OpenSourceComputerVisionLibrary。OpenCV是一个基于BSD…...
课程介绍此套计算机视觉-从CV基础到深度学习实战视频教程从图像处理基础、机器视觉中…...
课程介绍本课程共分8个阶段，没个阶段都配有课件+源码，是你学习OpenCV不可或缺的教程…...