9. 深入学习AI

​

• 9.1. 理解AI
  • 9.1.1. 境界
  • 9.1.2. 各个学习方法
  • 9.1.3. 应用
• 9.2. AI 研究
  • 9.2.1. 国际上AI机构哪家强？
  • 9.2.2. 论文写作
  • 9.2.3. 开源软件
  • 9.2.4. 论文
  • 9.2.5. Python 库
• 9.3. code
  • 9.3.1. Paste
• 9.4. 特征工程
  • 9.4.1. Python
• 9.5. ML
  • 9.5.1. 与AI:raw-latex:DL:raw-latex:`Data `Mining等的关系
  • 9.5.2. 类别
  • 9.5.3. ML VS software engineering
  • 9.5.4. 选择
  • 9.5.5. 机器学习框架
  • 9.5.6. 指标
  • 9.5.7. 流程
  • 9.5.8. 金融应用
  • 9.5.9. 更多
  • 9.5.10. 技术债务
  • 9.5.11. ML system
• 9.6. MLOps
  • 9.6.1. 什么是MLOps[^1]
  • 9.6.2. MLOps的原则
  • 9.6.3. 模型部署
  • 9.6.4. 模型监控
  • 9.6.5. 运维管理[^2]
• 9.7. 深度学习算法
  • 9.7.1. 本质
  • 9.7.2. DL 模型的表达能力
  • 9.7.3. 神经网络组成 [1]
  • 9.7.4. 卷积神经网络是最为实用且通常最为正确的方法的一些原因如下：
  • 9.7.5. 历史脉络
  • 9.7.6. 关键问题
  • 9.7.7. 更多
  • 9.7.8. 学科与应用
  • 9.7.9. Robust
  • 9.7.10. 安装
  • 9.7.11. 资源
• 9.8. CV
  • 9.8.1. 应用
• 9.9. 画画
  • 9.9.1. 线稿自动填色
• 9.10. GAN
  • 9.10.1. DCGAN
  • 9.10.2. GAN为什么在文本上效果不佳？
  • 9.10.3. Generative Adversarial Networks for Text1
• 9.11. OCR
• 9.12. NLP
  • 9.12.1. 语言的定义
  • 9.12.2. 自然语言的定义
  • 9.12.3. 自然语言处理（NLP）的定义
  • 9.12.4. 自然语言处理的难度
  • 9.12.5. NLU
  • 9.12.6. NLG
  • 9.12.7. 文本处理流程
  • 9.12.8. 文本处理场景
  • 9.12.9. Awesome
  • 9.12.10. NLP 常见任务及当下经典算法
  • 9.12.11. 提供相关方案的企业
  • 9.12.12. 更多
• 9.13. 知识图谱
  • 9.13.1. 知识图谱的必要性
  • 9.13.2. 知识建模
  • 9.13.3. 深度神经网络与知识图谱技术加速融合发展
  • 9.13.4. 应用
  • 9.13.5. 行业知识图谱
• 9.14. 语音
  • 9.14.1. 语音交互
  • 9.14.2. 为什么开发语音对话技能？
  • 9.14.3. ASR
  • 9.14.4. 语音合成（TTS）
  • 9.14.5. 提供相关方案的企业
  • 9.14.6. 相关产业
  • 9.14.7. 一个好的语音产品需要：
  • 9.14.8. 通用智能语音助手产品设计难点？
  • 9.14.9. 动态交互
  • 9.14.10. Music
• 9.15. 音乐
  • 9.15.1. 歌词
  • 9.15.2. 歌唱
  • 9.15.3. 乐器
  • 9.15.4. 版权
• 9.16. FAQ
• 9.17. 聊天机器人
  • 9.17.1. NLP应用概览
  • 9.17.2. 聊天机器人系统框架
  • 9.17.3. ASR 10
  • 9.17.4. 形态
  • 9.17.5. 类别
  • 9.17.6. 项目
  • 9.17.7. 核心竞争力？
  • 9.17.8. 困境
  • 9.17.9. 更多
• 9.18. 视频
  • 9.18.1. 体育
  • 9.18.2. HR
  • 9.18.3. Up主
• 9.19. 联邦学习
• 9.20. 移动端
  • 9.20.1. PC vs 移动端 4
  • 9.20.2. 小程序 1
  • 9.20.3. Andriod
• 9.21. 认知智能
• 9.22. 现实
  • 9.22.1. 具体的工作 1
• 9.23. AI产品的测试
  • 9.23.1. 图灵测试
  • 9.23.2. 指标
• 9.24. 灰度发布
  • 9.24.1. 灰度发布 VS A/B测试
  • 9.24.2. 灰度策略
• 9.25. AI部署
  • 9.25.1. 容器部署
• 9.26. AI监控
  • 9.26.1. 例子
• 9.27. 人才培养
  • 9.27.1. 选择应届生
  • 9.27.2. 如何更好地培养应届毕业生