PC端可直接搜索关键词
快捷键：Ctrl+F
应用领域关键字、项目关键字、比赛名称关键字、技术类型关键字等等
注意看本文目录-快速了解本专栏
你的技术旅程将在这里启航！
本专栏：精通AI领域技术实战千例专栏
从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。
✨✨✨ 每一个案例都附带有在本地跑过的代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新中，本专栏最终不低于200篇文章案例~
文章目录
- 一.人工智能
- 1.1人工智能-北大人工智能研究院院长语录共勉
- 二.文章速览（更新中）
- 2.1 视觉与图像处理方向
- 2.2 自然语言处理与语音识别方向
- 2.3 机器学习与数据挖掘方向
一.人工智能
人工智能（Artificial Intelligence），英文缩写为AI。 它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是新一轮科技革命和产业变革的重要驱动力量。
人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
1.1人工智能-北大人工智能研究院院长语录共勉
“人工智能是一个非常大的交叉学科，本身就有一个庞大的体系。” 通班的领衔创立者，北大人工智能研究院院长、讲席教授朱松纯介绍说。因此，仅仅把人工智能视为应用领域，课程只集中在某个研究热点上，完全无法满足培养人工智能复合型领军人才的需要：
“一个人只有把人工智能六个领域都搞懂了、融会贯通了，你才能说你是人工智能领域的人才或者专家。”
二.文章速览（更新中）
2.1 视觉与图像处理方向
- AI：101-基于深度学习的航空影像中建筑物识别
- AI：100-基于卷积神经网络的农作物生长状态监测
- AI：99-基于深度学习的飞机故障检测与维修
- AI：98-基于机器学习的手势控制智能家居
- AI：97-基于深度学习的可穿戴设备人体动作识别
- AI：96-基于深度学习的夜间图像增强与物体检测
- AI：95-基于卷积神经网络的艺术品风格分类
- AI：94-基于深度学习的微小目标检测与定位
- AI：93-基于机器学习的船舶识别与轨迹预测
- AI：92-基于深度学习的红外图像人体检测
- AI：91-基于深度学习的手写数学表达式识别
- AI：90-基于深度学习的自然灾害损害评估
- AI：89-基于卷积神经网络的遥感图像地物分类
- AI：87-基于深度学习的街景图像地理位置识别
- AI：86-基于深度学习的人体姿态估计与运动分析
- AI：85-基于深度学习的自然场景生成与渲染
- AI：84-基于卷积神经网络的文化遗产保护与修复
- AI：83-基于深度学习的手势识别与实时控制
- AI：82-基于深度学习的极光图像识别
- AI：81-基于目标追踪的运动场景分析与行为预测
- AI：80-基于深度学习的医学图像分割与病变识别
- AI：79-基于卷积神经网络的自动驾驶车辆道路边界检测
- AI：78-基于深度学习的食物识别与营养分析
- AI：77-基于深度学习的工业缺陷检测
- AI：76-基于机器学习的智能城市交通管理
- AI：75-基于生成对抗网络的虚拟现实场景增强
- AI：74-基于深度学习的宠物品种识别
- AI：72-基于深度学习的火灾检测
- AI：71-基于深度学习的植物叶片识别
- AI：70-基于机器学习的水质检预测
- AI：68-基于深度学习的身份证号码识别
- AI：67-基于深度学习的脱机手写汉字识别
- AI：64-基于深度学习的口罩佩戴检测
- AI：63-基于Xception模型的服装分类
- AI：62-基于深度学习的人体CT影像肺癌的识别与分类
- AI：61-基于深度学习的草莓病害识别
- AI：60-基于深度学习的瓜果蔬菜分类识别
- AI：59-基于深度学习的行人重识别
- AI：58-基于深度学习的猫狗图像识别
- AI：57-基于机器学习的番茄叶部病害图像识别
- AI：56-基于深度学习的微表情识别
- AI：55-基于深度学习的人流量检测
- AI：54-基于深度学习的树木种类识别
- AI：53-基于机器学习的字母识别
- AI：52-基于深度学习的垃圾分类
- AI：50-基于深度学习的柑橘类水果分类
- AI：49-基于深度学习的杂草识别
- AI：48-基于卷积神经网络的气象图像识别
- AI：47-基于深度学习的人像背景替换研究
- AI：46-基于深度学习的垃圾邮件识别
- AI：45-基于深度学习的声纹识别
- AI：44-基于深度学习的虹膜识别
- AI：43-基于深度学习的昆虫图像识别
- AI：42-基于机器学习方法下以沙发为例的家具风格识别技术研究
- AI：41-基于基于深度学习的YOLO模型的玉米病害检测
- AI：40-基于深度学习的森林火灾识别
- AI：39-基于深度学习的车牌识别检测
- AI：38-基于深度学习的抽烟行为检测
- AI：37-基于深度学习的安全帽检测方法研究
- AI：35-【人工智能】计算机视觉之OpenCV学习详解一
- AI：27-【深度学习框架TensorFlow】使用TensorFlow框架构建全连接的神经网络，实现手写数字识别
- AI：12-基于深度学习的人脸识别研究
- AI：11-基于深度学习的鱼类识别
- AI：10-基于TensorFlow的玉米病害识别
- AI：09-基于深度学习的图像场景分类
- AI：08-基于深度学习的车辆识别
- AI：07-基于卷积神经网络的海洋生物的识别
- AI：05–基于深度学习的道路交通信号灯的检测与识别
- AI：06-基于OpenCV的二维码识别技术的研究
- AI：04-基于机器学习的蘑菇分类
- AI：03-基于深度神经网络的低空无人机目标检测图像识别的研究
- AI：02-基于深度学习的动物图像检索算法的研究
- AI：01-基于机器学习的深度学习的玫瑰花种类的识别
2.2 自然语言处理与语音识别方向
- AI：88-人工智能自然语言处理—PageRank算法和TextRank算法详解
2.3 机器学习与数据挖掘方向
- AI：73-结合语法知识的神经机器翻译研究
- AI：69-基于深度学习的音乐推荐
- AI：66-基于机器学习房价预测
- AI：65-基于机器学习预测股市行情
- AI：51-基于深度学习的电影评价
- AI：36-对于噪声数据理解以及Min-Max规范化和Score规范化(零-均值规范化)的实例【数据预处理】
- AI：34-【数据挖掘】数据预处理和运用概念以及对鸢尾花数据集分类的分位数图和直方图的实际运用
- AI：33-【数据预处理】基于Pandas的数据预处理技术【前七个任务】
- AI：32-【数据预处理】基于Kettle的字符串数据清洗、Kettle的字段清洗、Kettle的使用参照表集成数据
- AI：31-【数据预处理&机器学习】对于薪资数据的倾斜情况以及盒图离群点的探究
- AI：30-【数据挖掘】薪酬分段对应工作经验/学历画柱状图【招聘网站的职位招聘数据预处理】
- AI：29-在职位招聘数据处理中使用Loess回归曲线以及分箱、回归、聚类方法检查离群点及光滑数据【数据挖掘&机器学习】
- AI：28-【数据可视化】DataReduction和加利福尼亚的房价数据集数据可视化以及Kettle的初步介绍
- AI：26-【数据预处理】基于Pandas的数据预处理技术【california_housing加州房价数据集】_后9个任务
- AI：25-机器学习框架课程重点内容笔记
- AI：24-【数据挖掘&机器学习】招聘网站的职位招聘数据的分位数图、分位数-分位数图以及散点图、使用线性回归算法拟合散点图处理详解
- AI：23-Bagging策略和随机森林的应用以及线性回归与局部加权回归三种实例（线性回归、AdaBoost、GradientBoostingRegressor）【机器学习】
- AI：22-【机器学习】红酒数据集和加利福尼亚的房价数据的随机森林算法详解
- AI：21-【机器学习】岭回归和LASSO回归详解以及相关计算实例-加利福尼亚的房价数据集、红酒数据集
- AI：20-【机器学习】拟合优度度量和梯度下降（红酒数据集的线性回归模型sklearn&Ridge）
- AI：19-【机器学习】回归的原理学习与葡萄酒数据集的最小二乘法线性回归实例
- AI：18-KNN算法及性能评估之鸢尾花特征分类【机器学习】
- AI：17-决策树算法之鸢尾花特征分类可视化详解【机器学习】
- AI：16-朴素贝叶斯算法之鸢尾花特征分类【机器学习】【伯努利分布,多项式分布,高斯分布】
- AI：15-支持向量机算法之鸢尾花特征分类【机器学习】
- AI：14-线性回归算法之鸢尾花特征分类【机器学习】
- AI：13-机器学习之数据处理与可视化【鸢尾花数据分类|特征属性比较】