Python的人工智能项目案例学习视频教程

通过14个使用Python的机器学习和深度学习项目学习人工智能

你会学到什么
你将通过使用最新版本的库(2021年7月)解决现实生活中的问题来练习机器学习和深度学习算法
如何使用Python在不同难度级别的项目中使用机器学习和深度学习算法
你将制作14个非常有趣和令人愉快的人工智能项目，并附有易于理解的讲座
利用深度学习实现图像分类
利用Python和Keras Tensorflow实现时间序列预测
使用Python实现聚类、回归和分类算法
使用机器学习的IMDB情感分析
使用InceptionResNetV2实现迁移学习
用Python实现人工神经网络
人工智能教育中使用的著名数据集
您将了解如何为深度学习和机器学习应用程序构建自定义数据集。
使用Python实现NLP(自然语言处理)
您将使用人工智能学习地理聚类
完成课程后您将获得数字Udemy证书(可在您的Linkedin页面中使用)
所有14个可下载的项目都包括Python源代码，由机器学习和深度学习算法和模型组成
你将使用卷积神经网络(CNN)和人工神经网络算法进行图像识别和分类。
您将学习使用Python进行深度学习的声音信号处理
您将使用深度学习来学习声音分类

15节59次讲座6h 18m
视频:MP4 1280×720 44 KHz |
语言：英语+中英文字幕（云桥CG资源站 机译） 大小解压后：3.38G


要求
一台标准规格的电脑(任何操作系统——Windows、Mac、Linux都可以。)
如果你懂其他编程语言，基本的Python编程语言是首选，但不是必须的
您将只安装Anaconda 3！其他什么都不需要！
一边喝着你最喜欢的咖啡，一边从你的笔记本电脑上了解什么是人工智能！
描述
欢迎，

在这门课程中，我们的目标是通过从事14个机器学习项目和不同级别(容易-中等-困难)的深度学习项目，专攻人工智能。在开始课程之前，您应该具备基本的Python知识。我们在本课程中的目标是将看起来难以解决的现实生活问题转化为项目，然后使用最新版本的人工智能算法(机器学习算法和深度学习算法)和Python(3.8)来解决它们。Artificial Intelligence Projects with Python

我们将使用机器学习和深度学习算法来执行我们的一些项目。这样你就会对人工智能有一个大概的认识。当你完成我们课程中的项目时，你会清楚地了解机器学习软件和深度学习算法的基本工作原理以及它们之间的区别。

在我们的课程中，我们将使用机器学习高级教育广泛使用的众所周知的数据集以及自定义数据集。通过做我们的项目，你将掌握人工智能概念以及学习这些著名的数据集。完成课程后，你将能够很容易地对现实生活中可能遇到的问题提出解决方案。

在我们的机器学习项目中，我们将使用Scikit-Learn Python库。在我们的深度学习项目中，我们将使用Tensorflow和Keras库。

该课程由14个人工智能项目组成——机器学习项目和深度学习项目

–项目#1:使用机器学习进行房价预测

在这个项目中，我们将建立一个人工智能模型，使用sklearn多元线性回归算法预测房价。

–项目2:使用机器学习进行工资计算

根据员工的经验水平计算每个员工的工资是一项繁琐的工作。在这个项目中，我们将建立一个机器学习模型来精确计算员工的工资。由于大多数工资值是非线性的，简单的线性函数不能用于此计算过程。一般来说，大多数公司的员工工资都是多项式值。因此，我们将使用多项式线性回归算法来解决这里。


–项目#3:使用多种机器学习模型进行手写数字识别

在这个项目中，我们将实现一个软件，通过一起使用多个机器学习模型来识别和理解照片中的对象。由于这个项目，你将看到如何结合机器学习模型，并结合几个模型来解决复杂的问题。你将已经使用人工智能(AI)解决了一个可以在日常生活中使用的问题(计算机对手写文本的识别)。

–项目#4:使用机器学习进行高级客户细分

在这个项目中，我们将使用麻省理工学院(MIT)开发的一个新的高级分段库。我们的客户细分项目中的客户数据(包含在入门级和中级项目中)很简单，K-Means聚类算法足以进行细分。但是生活没那么简单！当您有复杂的客户数据时，如果您使用K-Means进行聚类，您可能会得到错误的结果！由于该项目中的客户数据与现实生活中一样是复杂的数据(数字和分类数据),因此我们将使用一种特殊的无监督学习算法来代替标准模型，并使用最新的人工智能算法将我们的2000名客户分组。

–项目#5:使用NLP(自然语言处理)的IMDB情感分析

通过这个项目，我们将使用NLP概念开发情感分析软件。在这项研究中，我们将使用从属于Google的平台Kaggle平台获得的数据集。多亏了我们将在这个项目中开发的人工智能软件，我们将能够从这个数据集附带的英文IMDB电影评论中自动提取正面或负面的评论。通过这个项目，你将在很短的时间内学习NLP的概念，而不会淹没在理论中。

–项目#6:建立电影推荐系统

使用IMDB电影数据集，我们将制作一个软件，为观看特定电影的任何用户推荐与该电影最相似的5部不同电影。你知道，当你在网飞上看一部电影时，它说下面的话可能也会让你感兴趣，就这样。在这样做的同时，我们将通过分析数据库中所有观看和喜欢这部电影的用户的喜欢来建立一个推荐系统。

–项目#7:使用人工神经网络预测糖尿病


在这个项目中，我们将预测一个病人是否患有糖尿病。我们将使用一个来自Kaggle的著名数据集:Pima Indians糖尿病数据库。在这个数据集中，我们有768名患者的一些医学测试结果和统计信息。对于这个项目，我们将有两种不同的人工神经网络解决方案

我们将仅使用1个神经元来构建最简单的人工神经网络模型

我们将使用2个隐藏层和总共25个神经元构建另一个模型

–项目#8:使用卷积神经网络和人工神经网络算法的图像分类(深度学习)

我们将做一个项目，使用深度学习和人工神经网络算法，自动识别和分类成千上万个不同的图像文件。我们将使用Tensorflow和Keras库来实现这一点。

–项目#9:使用Keras LSTM(深度学习)进行航空乘客(时间序列)预测

我们将在这个项目中使用航空乘客数据集。该数据集提供了一家美国航空公司从1949年到1960年的每月乘客总数。我们将通过使用Keras中可用的LSTM模型为这个项目提供一个解决方案，您将看到一个如何用深度学习解决时间序列问题的好例子。

–项目#10:使用机器学习的旧金山犯罪地理聚类

在这个项目中，我们将使用SFPD(旧金山警察局)创建的数据集，使用地理位置信息(纬度和经度)执行地理聚类，该数据集包括2003年至2015年在旧金山市犯下的罪行。我们还将学习使用肘方法确定该数据集的最佳聚类数(超参数K值)。然后，我们将在基于Python的地理地图系统上显示聚类结果中的地理坐标。最后，我们将学习如何将我们创建的地图导出到HTML文件中。

–项目#11:使用迁移学习的图像分类(ImageNet库)——Keras inceptionresnet v2(深度学习)

迁移学习使用“在解决问题中获得的知识”，并将其应用于一个不同但相关的问题。在迁移学习中，我们使用一个之前在数据集上训练过的模型，该模型包括表示数据集属性的权重和偏差。在这个项目中，我们将使用InceptionResNetV2模型，它具有预训练的164层高级架构，并使用包含超过100万张图像的ImageNet数据集进行预训练。

–项目#12:使用深度学习(自定义数据集)的军用飞机(卫星)图像分类

在这个项目中，我们将对从卫星上获得的军用飞机图像进行分类(F-22猛禽、波音B-52、A-10雷电、..等等。)使用深度学习算法。在本项目中，您将学习创建自己的数据集，并学习在预训练的模型上使用这些定制的数据集。

–项目#13:使用Python进行深度学习的声音信号处理(自定义数据集)(第1/2部分)

为了使用Python执行声音识别和分类，音频文件必须采用可用于深度学习算法的格式。这个项目本质上是我们课程中下一个项目的预要求项目，“项目#14 -使用深度学习的声音分类”项目。在这个项目中，我们将使用梅尔频率倒谱系数(MFCC)算法处理声音信号，并为深度学习使用准备音频。在这个项目中，您将学习如何为深度学习培训和测试操作准备和处理您自己的自定义音频数据集。

–项目#14:使用深度学习进行声音分类(第二部分)

我们将使用Tensorflow和Keras库构建一个CNN(卷积神经网络)架构，共有三个隐藏层，500个神经元(125-250-125)。我们将使用前一个项目(项目#13)的预处理声音信号，该项目有一个总大小为5.8 GB的音频数据集。

每个项目将由Python使用Jupyter Notebook实现。

本课程将涵盖以下主题

机器学习

深度学习

线性回归

客户细分

自然语言处理

人工神经网络

卷积神经网络(CNN)

时间序列预测

情感分析

图像分类

地理聚类

深度学习模型的声音信号处理

深度学习的音频分类

在这门课程中，你会发现初学者的人工智能项目以及中级/高级人工智能项目。在课程结束时，你的脑海中会有一个清晰的人工智能定义，你会得到“什么是人工智能”这个问题的答案

–

“当我去访问不同的公司，甚至是硅谷的顶级公司时，我经常看到人们试图将机器学习算法应用于一些问题，有时他们已经持续了六个月。但有时当我看到他们在做什么时，我会说，我本可以在六个月前告诉你，你应该采用一种学习算法，并以稍微修改的方式应用它，这样你成功的机会就会高得多。”

Andrew NG(斯坦福大学计算机科学系和电气工程系教授)

这门课是给谁的
本课程面向所有对机器学习、深度学习和人工神经网络感兴趣的人
任何想掌握人工智能技能的人
软件工程师、求职者和数据科学家，他们希望在职业阶梯上更上一层楼
希望通过真实生活实例提高培训能力的学生和专业人士
对数据科学充满热情的Python程序员。
云桥CG资源站 为三维动画制作，游戏开发员、影视特效师等CG艺术家提供视频教程素材资源！