Hi，你好。又见面咯，我是茶桁。
在之前，我花了两个来月的时间撰写了「Python篇」和「数学篇」，希望小伙伴们在正式进入AI之前能够打好一个基础。那么今天开始，我们将正式开始AI基础的学习。
这一节课咱们先不着急直接开始课程，而是聊一下本次课程的一个规划。
在整个课程规划中，我们将会直接从机器学习开始入手，进入深度学习，然后开始接触RNN、CNN以及三大方向：NLP、CV和BI。核心能力将会分成四大部分进行展开精讲。
目录规划
基础能力
- 人工智能导论
- 机器学习初探
- 机器学习进阶（这部分会比较长）
- 深度学习进阶
- RNN
- CNN
- 自然语言处理基础（NLP）
- 计算机视觉基础（CV）
- 商业智能（BI）
BI精讲
- 预测全家桶与机器学习四大神器
- Fintech数据分析
- 数据可视化与DashBoard
- ALS算法与推荐系统
- SVD矩阵分解与基于内容的推荐
- PageRank、图论与推荐系统
- Graph Embedding
- 强化学习
NLP精讲
- 自然语言处理的基本过程
- 向量空间模型
- 自然语言处理初步
- 语言模型和概率图模型
- 词向量模型Word2Vec
- Transformer与BER,大规模预训练问题
- 自然语言生成
- 自然语言处理与人工智能前沿
CV精讲
- 初阶计算机视觉：图像处理
- 中阶计算机视觉：图像描述
- 中阶到高阶的关键：CNN方法
- 计算机视觉中的图像分类
- 深度学习之单阶段目标检测
- 深度学习之两阶段目标检测
- 计算机视觉中的图像分割
- 计算机视觉中的目标跟踪
内容输出方式
以上目录中的四个部分都属于核心部分，每一个部分都会单独开一个专栏目录。一个是因为收费课程，拆散之后大家可以按照自己的需要进行购买，再一个也是将四部分区分的清晰一点。
虽然每一张专辑都是收费的，但是也并不是所有内容都需要进行购买才可查看。有的时候为了吸引流量，即便没有购买专辑，部分章节会开放阅读全部。
以上目录仅供参考，目录是按照内容概要进行规划的，并不等于实际章节。就像我在写数学篇的时候，本来就只规划了4个知识点，但是其中一个知识点可能会讲7、8个章节，也可能3、4篇就讲完了。所以届时的内容，会比从目录上看要多的多，起码就基础部分的机器学习这一知识点，可能就要十几、二十节课才能讲完。
代码库
在咱们的整个讲解过程，演示代码是不可避免的，并且其中还会包含很多数据。这部分内容基本上都会在咱们的《茶桁的AI秘籍》的代码仓库中找到，地址为：https://github.com/hivandu/AI_Cheats
其中部分数据集可能因为太大会上传到百度网盘并分享出来，分享一般都会放在文末，大家可以自取。
其他
如果您阅读时感觉文章不完整，那应该是该网站我暂时无法发布收费专栏，所以我仅提供了部分内容。