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

1. 自然语言处理的基本过程
2. 向量空间模型
3. 自然语言处理初步
4. 语言模型和概率图模型
5. 词向量模型Word2Vec
6. Transformer与BER,大规模预训练问题
7. 自然语言生成
8. 自然语言处理与人工智能前沿

CV精讲

1. 初阶计算机视觉：图像处理
2. 中阶计算机视觉：图像描述
3. 中阶到高阶的关键：CNN方法
4. 计算机视觉中的图像分类
5. 深度学习之单阶段目标检测
6. 深度学习之两阶段目标检测
7. 计算机视觉中的图像分割
8. 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。