天池社区天池学习

人工智能技术图谱

收起全部

AI算法开发学习路径

AI应用开发学习路径

AI入门：天池龙珠计划

天池实验室

使用说明

电子书DSW使用手册

公开课天池实验室使用介绍

Python训练营

基础

公开课task1: 从变量到异常处理 task2: 数据结构大汇总 task3: 从函数到高级魔法方法

实践

体验从0完成一个数据分析实战

测试

公开课Python训练营通关测试

SQL训练营

基础

公开课task1:初识数据库与SQL-安装与基本介绍等 task2:查询与排序-select、运算符、聚合分组查询等

进阶

公开课task3: 复杂查询方法-视图、子查询、函数等 task4:集合运算-表的加减法和join等 task5:SQL高级处理-窗口函数等

实践

体验综合练习题-10道经典SQL题目

docker训练营

机器学习训练营

基础

体验task1: 基于逻辑回归的分类预测 task2: 朴素贝叶斯(Naive Bayes)task3: K近邻(k-nearest neighbors)初探

实践

体验学习赛：快来一起挖掘幸福感

深度学习训练营

CNN基础与实践

体验task1: 深度学习基础知识 task2: 基于人脸的常见表情识别：数据获取与整理 task3: 基于人脸的常见表情识别：模型搭建、训练与测试

强化学习训练营

基础

体验实战PPO通关超级玛丽 PPO算法环境配置 PPO算法实战练习

实践

体验强化学习学习赛

金融风控训练营

基础

课程task1:赛题理解 task2: EDA探索性数据分析 task3: 特征工程 task4: 建模与调参 task5: 模型融合

实践

体验学习赛：贷款违约预测

数据挖掘训练营

基础

课程task01: 赛题理解 task02: 数据分析 task03: 特征工程 task04: 建模调参 task05: 模型融合

实践

体验学习赛：二手车交易价格预测

计算机视觉训练营

基础

课程task1: 赛题理解 task2: 数据读取与数据扩增 task3: 字符识别模型 task4: 模型训练与验证 task5: 模型集成

实践

体验学习赛：街景字符编码识别

自然语言处理训练营

基础

课程task01: 赛题理解 task02: 数据读取与数据分析 task03: 基于机器学习的文本分类 task04: 基于深度学习的文本分类1 task05: 基于深度学习的文本分类2 task06: 基于深度学习的文本分类3-BERT

实践

体验学习赛：新闻文本分类

AI基础

AI编程基础：Python

前言

课程前言

变量

课程变量类型

条件

课程条件1 条件2

循环

课程循环1 循环2 循环3

期中测试

课程期中测试

数据结构

课程列表字符串字典

函数

课程函数1 函数2

AI数学基础

人工智能的数学基础（上）

课程1.1学好机器学习需要哪些数学知识 1.2 推荐的参考书 1.3本集所讲的知识点 1.4机器学习算法所用的数学知识

人工智能的数学基础（下）

课程3.1 本集内容简介 3.2 最优化中的基本概念 3.3 为什么要用迭代法 3.4 梯度下降法 3.5 牛顿法 3.6坐标下降法 3.7 优化算法面临的问题 3.8 拉格朗日乘数法 3.9 凸优化简介 3.10 凸集 3.11 凸函数 3.12 凸优化的性质 3.13 凸优化的一般表 3.14 拉格朗日对偶 3.15 KKT条件 3.16 本集总结

AI框架与库

Pandas实践

课程预备知识：学习教程预备知识：学习视频p1 预备知识：学习视频p2 预备知识：学习视频p3 预备知识：学习视频p4 预备知识：学习视频p5 pandas基础：学习教程 pandas基础：学习视频p1 pandas基础：学习视频p2 pandas基础：学习视频p3-1 pandas基础：学习视频p3-2 pandas基础：学习视频p4 pandas基础：学习视频p5-1 pandas基础：学习视频p5-2 pandas基础：学习视频p5-3 索引：学习教程索引：学习视频p1-1 索引：学习视频p1-2 索引：学习视频p1-3 索引：学习视频p2-1 索引：学习视频p2-2 索引：学习视频p3 索引：学习视频p4 分组：学习教程分组：学习视频p1 分组：学习视频p2 分组：学习视频p3 分组：学习视频p4 变形：学习教程变形：学习视频p1-1 变形：学习视频p1-2 变形：学习视频p1-3 变形：学习视频p2 变形：学习视频p3 变形：学习视频p4 连接：学习教程缺失数据：学习教程文本数据：学习教程文本数据：学习视频p1 文本数据：学习视频p2 文本数据：学习视频p3 文本数据：学习视频p4 分类数据：学习教程分类数据：学习视频p1 分类数据：学习视频p2 分类数据：学习视频p3 时序数据：学习教程时序数据：学习视频p1 时序数据：学习视频p2 时序数据：学习视频p3 时序数据：学习视频p4 时序数据：学习视频p5 参考答案

Matplotlib实践

课程第一回：Matplotlib初相识第二回：艺术画笔见乾坤第三回：布局格式定方圆第四回：文字图例尽眉目第五回：样式色彩秀芳华第六回：场景案例显神通

AI进阶

机器学习原理与实践

机器学习简介

课程1.1 本集介绍 1.2 推荐的参考书 1.3 人工智能简介 1.4 机器学习简介 1.5 为什么需要机器学习.1.6 机器学习的发展历史 1.7 机器学习的典型应用 1.8 业内主要公司介绍 1.9 本课程讲授的算法

机器学习实战

课程Python入门（上）课时11: Python入门（中）课时11: Python入门（下）机器学习算法（一）: 基于逻辑回归的分类预测机器学习算法（二）：朴素贝叶斯(Naive Bayes) 机器学习算法（三）：K近邻(k-nearest neighbors)初探机器学习算法（四）: 基于支持向量机的分类预测机器学习算法（五）：基于决策树的分类预测机器学习算法（六）基于XGBoost的分类预测机器学习算法（七）基于LightGBM的分类预测机器学习算法（八）：基于BP神经网络的预测机器学习算法（九）: 基于线性判别模型的分类¶使用天池notebook进行工业蒸汽数据分析使用天池notebook进行工业蒸汽数据特征工程

深度学习

深度学习

课程第一课-人工智能简介第二课-深度学习崛起背景第3课：深度学习典型应用与研究方向之语音处理第3课：深度学习典型应用与研究方向之计算机视觉第3课：深度学习典型应用与研究方向之自然语言处理第3课：深度学习典型应用与研究方向之推荐系统第4课：神经网络（上）第4课：神经网络（下）第5课：卷积神经网络（上）第5课：卷积神经网络（下）第6课：激活函数与参数初始化第6课：标准化与池化第6课：泛化与正则化第6课：优化目标与最优化第6课：优化目标与评估指标第6课：数据增强第7课：深度学习框架之Pytorch快速入门与实践第7课：深度学习框架之Caffe快速入门与实践第7课：深度学习框架之Tensorflow快速入门与实践实践课1：从零完成人脸表情分类任务第8课：循环神经网络之RNN及其改进第9课：图神经网络基础第10课：模型设计之网络宽度和深度设计第10课：模型设计之残差网络第10课：模型设计之分组网络第10课：模型设计之卷积核设计

每周更新一章节~

强化学习(待上线)

AI高阶：算法原理和应用

达摩院智能视觉技术与应用

达摩院智能视觉技术与应用

直播达摩院智能视觉技术与应用

达摩院NLP技术和应用

达摩院NLP技术和应用

课程1.自然语言处理简介 2.NLP团队及成果介绍 3.情感分析领域的NLP 4.通信领域的NLP 5.智能司法 6.总结自学习平台

机器阅读技术与应用

机器阅读技术与应用

课程1.背景介绍 2.机器阅读理解研究现状 3.学术到工业的挑战 4.挑战解法 - 阿里小蜜技术解析 5.未来的机遇与探索

开放语聊技术与应用

开放语聊技术与应用

课程1.语聊概览 2.规则型问答 3.基于主题知识问答 4.图谱问答 5.匹配问答 6.生成式问答 7.娱乐功能 8.多轮问答 9.多轮问答v2

语音识别原理与应用

语音识别原理与应用

课程1.背景介绍 2.语音识别技术 3.阿里研究成果 4.应用案例

语音合成技术

语音合成技术

课程1.语音合成简介 2.语音合成技术 3.达摩院KAN-TTS 4.样音展示

人机对话技术浅析

人机对话技术浅析

课程1.人机对话技术现状 2.任务驱动型人机对话 3.检索式人机对话 4.新趋势和总结

声纹识别技术

声纹识别技术

课程1.技术介绍 2.系统架构 3.应用案例 4.性能指标

AI高阶：天池竞赛

待上线

AI高阶：顶会论文

NeurIPS2020

NeurIPS2020

直播Latent Template Induction with Gumbel-CRFs Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect Incorporating BERT into Parallel Sequence Decoding with Adapters Incorporating BERT into Parallel Sequence Decoding with Adapters

ECCV2020

ECCV2020

课程Gradient Centralization: A New Optimization Technique for Deep Neural Networks Suppress and Balance: A Simple Gated Network for Salient Object Detection Label Propagation with Augmented Anchors: A Simple Semi-Supervised Learning baseline for Unsupervised Domain ...A Single Stream Network for Robust and Real-time RGB-D Salient Object Detection The Why in Vision Weakly Supervised Learning with Side Information Suppress and Balance: A Simple Gated Network for Salient Object Detection A Decoupled Learning Scheme for Real-world A Decoupled Learning Scheme for Real-world Burst Denoising

EMNLP2020

EMNLP2020

直播APE: Argument Pair Extraction from Peer Review and Rebuttal via Multi-task Learning DAGA: Data Augmentation with a Generation Approach forLow-resource Tagging Tasks ENT-DESC: Entity Description Generation by Exploring Knowledge Graph An Unsupervised Sentence Embedding Method by Mutual Information Maximization

VLDB2020

VLDB2020

直播AnalyticDB-V：A Hybrid Analytical Engine Towards Query Fusion for Structured and Unstructured Data Diagnosing Root Causes of Intermittent Slow Queries in Large-Scale Cloud Databases Collecting and Analyzing Data Jointly from Multiple Services under Local Differential Privacy Alibaba Hologres: A Cloud-Native Service for Hybrid Serving/Analytical Processing Maximum Biclique Search at Billion Scale

ACL 2020

ACL 2020

直播Senior Algorithm Engineer SpanMlt: A Span-based Multi-Task Learning Framework for Pair-wise Aspect Coupling Distant Annotation and Adversarial Training for Cross-Domain Chinese Word Segmentation Dynamic Memory Induction Networks Multi-Domain Dialogue Acts and Response Co-Generation Multiscale Collaborative Deep Models Knowledge Distillation For Multilingual Sequence Labeling

CVPR2020

CVPR2020

直播CVPR 2020 AliProducts Challenge:Large-scale Product Recognition Artificial Intelligence Center CPR-GCN: Conditonal Partial-Residual Graph Convolutional Network Domain adaptive hard example mining for fashion Instance retrieva Spatial Constrained Memory Network for Semi-supervised Video Object Segmentation Joint Learned and Traditional Video Compression Artificial Intelligence Center Spatial Likelihood Voting

人工智能技术图谱
AI课程专家组

由阿里云天池倾力打造的AI技术学习图谱，配套有免费算力、珍稀数据集，钉钉群答疑等资源和服务，助力学习者在实践中掌握AI知识。

400小时

学习时长

12个

知识点

50个

实践案例

100个

数据集

AI课程专家组

为学习者打造一套从入门到进阶、体系化的人工智能课程

朝乐门

| 中国人民大学副教授、博士生导师

陈旸

| 阿里云MVP，清华大学计算机专业博士，AI专家