课程介绍
覆盖全面内容：从数学基础(如线性代数、概率论)到经典算法(如决策树、支持向量机)再到深度学习框架(TensorFlow、PyTorch)，课程内容全面系统;
理论与实践结合：不仅讲解核心AI理论，还通过案例分析与项目实战(如图像识别、自然语言处理、强化学习)强化学员的实际动手能力;
阶段化学习路径：分为20个阶段，逐步引导学习者从基础概念到高阶应用，确保学习的连贯性与深度;
行业应用解析：结合金融、医疗、教育、自动驾驶等热门领域的AI技术案例，讲解行业落地与未来发展趋势;
丰富学习资源：提供视频课程、代码示例、实战项目与知识图谱，便于学员自主学习与反复实践。
适合人群：
希望系统学习人工智能技术的在校研究生或技术爱好者;
从事数据科学、算法开发或AI行业相关岗位的技术人员;
对人工智能前沿技术感兴趣并计划深入学习的工程师与学术研究者;
准备参与AI项目开发或转型人工智能领域的职业人士。
学习成果：
完成本课程后，学员将：
掌握人工智能的核心理论与算法;
熟悉主流深度学习框架的使用与优化;
能够独立设计并实现AI模型与解决方案;
理解AI技术在各行业中的应用场景，具备行业级项目开发与落地能力。
本课程将为学员打开人工智能领域的广阔前景，为未来的学习、研究或职业发展奠定坚实基础!
课程目录
(1)\01-软件安装及环境配置;目录中文件数:14个
02-Anaconda介绍及安装.mp4
03-[python 3.6] Python安装及验证.mp4
04-[Python 3.6] Python配置环境变量.mp4
05-[Python 3.6] Python卸载及验证.mp4
06-[PyTorch 1.2] PyTorch简介与安装.mp4
07-[Pytorch1.2] Pytorch开发环境安装.mp4
08-[TensorFlow 2.1.0]环境安装-ubuntu.mp4
09-[TensorFlow 2.1.0]环境安装-windows.mp4
10-[GPU驱动安装]GPU_driver_windows.mp4
11-[GPU驱动安装]GPU_driver_Linux.mp4
12-Linux 常用命令.mp4
13-[数据分析工具] MySQL.mp4
14-[数据分析工具] Navicate.mp4
15-[数据分析工具] Tableau Public.mp4
(2)\02-人工智能数学基础;目录中文件数:41个
05-[第一章 线性代数(上)]章节导读.mp4
06-[第一章 线性代数(上)]-1 矩阵及其基本运算①.mp4
07-[第一章 线性代数(上)]-2 矩阵及其基本运算②.mp4
08-[第一章 线性代数(上)]-3 矩阵的行列式①.mp4
09-[第一章 线性代数(上)]-4 矩阵的行列式②.mp4
10-[第一章 线性代数(上)]-5 矩阵的行列式③.mp4
11-[第一章 线性代数(上)]-6 矩阵的行列式④.mp4
12-[第一章 线性代数(上)]-7 矩阵的逆①.mp4
13-[第一章 线性代数(上)]-8 矩阵的逆②.mp4
14-[第一章 线性代数(上)]-9 矩阵的逆③.mp4
15-[第二章 线性代数(下)]章节导读.mp4
16-[第二章 线性代数(下)]-1 矩阵的初等变换①.mp4
17-[第二章 线性代数(下)]-2 矩阵的初等变换②.mp4
18-[第二章 线性代数(下)]-3 矩阵的初等变换③.mp4
19-[第二章 线性代数(下)]-4 矩阵的初等变换④.mp4
20-[第二章 线性代数(下)]-5 矩阵的特征值与特征向量①.mp4
21-[第二章 线性代数(下)]-6 矩阵的特征值与特征向量②.mp4
22-[第二章 线性代数(下)]-7 矩阵的特征值与特征向量③.mp4
23-[第二章 线性代数(下)]-8 矩阵对角化以及二次型①.mp4
24-[第二章 线性代数(下)]-9 矩阵对角化以及二次型②.mp4
25-[第二章 线性代数(下)]-10 矩阵对角化以及二次型③.mp4
26-[第二章 线性代数(下)]-11svd分解的应用.mp4
27-[第三章 微积分]-01常用函数的导数以及到导数的常用公式.mp4
28-[第三章 微积分]-02 中值定理&洛必达法则&泰勒公式及应用.mp4
29-[第三章 微积分]-03 函数的凹凸性&函数的极值.mp4
30-[第三章 微积分]-04 不定积分.mp4
31-[第三章 微积分]-05 定积分.mp4
32-[第三章 微积分]-06 偏导数&多元函数复合求导法则链式求导法则.mp4
33-[第三章 微积分]-07 方向导数与梯度及其应用.mp4
34-[第三章 微积分]-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp4
35-[第三章 微积分]-09 矩阵的求导.mp4
36-[第三章 微积分]-10 矩阵的求导在深度学习中的应用.mp4
37-[第四章 概率论]-01随机实验样本空间随机事件&概率的定义.mp4
38-[第四章 概率论]-02全概率公式与贝叶斯公式及应用&独立性.mp4
39-[第四章 概率论]-03随机变量与多维随机变量.mp4
40-[第四章 概率论]-04期望与方差part1.mp4
41-[第四章 概率论]-05期望与方差part2.mp4
42-[第四章 概率论]-06参数的估计.mp4
43-[第五章 最优化]-1 无约束最优化梯度下降.mp4
44-[第五章 最优化]-2 无约束最优化梯度下降.mp4
45-[第五章 最优化]-3 约束最优化.mp4
(3)\03-Python基础+数据科学入门;目录中文件数:31个
05-第一章 绪论和环境配置.mp4
06-[作业讲解]第一章：助教实际演示配置环境过程.mp4
07-第二章 Python 基本语法元素.mp4
08-[作业讲解]第二章：Python基本语法元素.mp4
09-第三章 基本数据类型.mp4
10-[作业讲解]第三章：基本数据类型.mp4
11-第四章 组合数据类型.mp4
12-[作业讲解]第四章：复杂数据类型.mp4
13-第五章 程序控制结构.mp4
14-[作业讲解]第五章：程序控制结构.mp4
15-第六章 函数-面向过程的编程.mp4
16-[作业讲解]第六章：函数.mp4
17-第七章 类-面向对象的编程.mp4
18-[作业讲解]第七章：类.mp4
19-第八章 文件-异常和模块.mp4
20-[作业讲解]第八章：文件-异常和模块.mp4
21-第九章 有益的探索.mp4
22-[作业讲解]第九章：有益的探索.mp4
23-第十章 Python标准库.mp4
24-[作业讲解]第十章：Python标准库.mp4
25-第十一章 科学计算库—Numpy应用.mp4
26-[作业讲解]第十一章：Numpy库.mp4
27-第十二章 Pandas库.mp4
28-[作业讲解]第十二章：Pandas库.mp4
29-第十三章 Matplotlib.mp4
30-[作业讲解]第十三章：Matplotlib.mp4
31-第十四章 Sklearn常规用法.mp4
32-[作业讲解]第十四章：Sklearn常规用法.mp4
33-第十五章 再谈编程.mp4
35-[比赛实战]大牛手把手指导如何打一场完整的二分类比赛.mp4
36-[比赛实战]二分类算法比赛小测验—提供银行精准营销解决方案.mp4
(4)\04-机器学习算法应用实战;目录中文件数:126个
05-01-01-机器学习概述.mp4
06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp4
07-02-02-梯度下降法..mp4
08-02-03-梯度下降法代码实现.mp4
09-02-04-使用梯度下降法求解线性回归问题.mp4
10-02-05-线性回归代码实现.mp4
100-08-02协方差矩阵的特征值分解算法.mp4
101-08-03协方差矩阵的特征值分解算法代码实现.mp4
102-08-04基于数据矩阵的奇异值分解算法.mp4
103-08-05基于数据矩阵的奇异值分解算法代码实现.mp4
104-08-[实战]-Sklearn实现PCA.mp4
105-08-[案例]PCA实现照片压缩.mp4
106-09-01-集成学习介绍.mp4
107-09-02-Voting能够提高准确度的原因.mp4
108-09-03-Voting原理.mp4
109-09-04-Voting代码实现.mp4
11-02-06-线性回归代码实现-做特征归一化.mp4
110-09-05-Bagging与随机森林及其代码实现.mp4
111-09-06-Boosting.mp4
112-09-07-Adaboost举例.mp4
113-09-08-AdaBoost代码实现.mp4
114-09-09-GBDT之提升和提升树概念.mp4
115-09-10-GBDT梯度提升树.mp4
116-09-11-XGBoost介绍，目标函数，正则项.mp4
117-09-12-XGBoost求解.mp4
118-09-13-XGBoost树结构生成.mp4
119-09-14-XGBoost代码实现1.mp4
12-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4
120-09-15-XGBoost代码实现2.mp4
121-09-16-Stacking.mp4
122-09-17-Stacking 代码实现.mp4
123-10-[银行营销策略分析]-01 数据说明.mp4
124-10-[银行营销策略分析]-02探索性分析.mp4
125-10-[银行营销策略分析]-03数据预处理与特征工程.mp4
126-10-[银行营销策略分析]-04模型训练.mp4
127-10-[信用卡发欺诈模型]-01数据说明及不平衡数据的训练集及测试及分割方法.mp4
128-10-[信用卡发欺诈模型]-02采样之上采样.mp4
129-10-[信用卡发欺诈模型]-03采样之下采样.mp4
13-02-08-模型评价 · 几种常见的模型评价指标.mp4
130-10-[信用卡发欺诈模型]-04建模与调参.mp4
14-02-09-欠拟合与过拟合.mp4
15-02-10-Ridge回归求解与代码实现.mp4
16-02-11-LASSO回归求解.mp4
17-02-12-LASSO回归求解举例说明.mp4
18-02-13-LASSO回归代码实现.mp4
19-02-14-最小二乘法求线性回归.mp4
20-02-15-最小二乘法代码实现.mp4
21-02-[实战]使用Sklearn实现Ridge，LASSO和ElasticNet.mp4
22-02-[案例]波士顿房价预测(上).mp4
23-02-[案例]-波士顿房价预测(下).mp4
24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp4
25-03-02-逻辑回归求解.mp4
26-03-03-一个示例解释逻辑回归的求解公式.mp4
27-03-04-逻辑回归代码实现(上).mp4
28-03-04-逻辑回归代码实现(下).mp4
29-03-06-逻辑回归的正则化.mp4
30-03-07-逻辑回归实现多分类方法.mp4
31-03-08-[实战]使用Sklearn实现逻辑回归.mp4
32-03-[案例]鸢尾花分类.mp4
33-03-[案例]手写数字识别.mp4
34-04-01-决策树简介-熵.mp4
35-04-02条件熵及计算举例.mp4
36-04-03信息增益-ID3算法.mp4
37-04-04决策树代码实现(1-熵的计算).mp4
38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp4
39-04-06决策树代码实现(3-类别投票表决).mp4
40-04-07决策树代码实现( 4-决策树递归生成，决策树对新数据进行预测).mp4
41-04-08 C4.5算法.mp4
42-04-09基尼指数(Gini Index)生成决策树.mp4
43-04-10决策树剪枝.mp4
44-04-11决策树处理连续值与缺失值.mp4
45-04-12多变量决策树.mp4
46-04-[实战]Sklearn实现决策树.mp4
47-04-[案例]：使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp4
48-04-[案例]：使用决策树进行个人信用风险评估(2.模型评估指标).mp4
49-04-[案例]：使用决策树进行个人信用风险评估(3.模型评估，优化).mp4
50-05-01-贝叶斯决策简介.mp4
51-05-02-贝叶斯决策模型.mp4
52-05-03-朴素贝叶斯模型.mp4
53-05-04-朴素贝叶斯代码实现(1.训练过程).mp4
54-05-05-朴素贝叶斯代码实现(2.预测过程).mp4
55-05-06-拉普拉斯修正及代码实现.mp4
56-05-07-朴素贝叶斯如何处理连续型数据.mp4
57-05-08-Sklearn实现朴素贝叶斯.mp4
58-05-[案例]垃圾邮件识别(1.实现原理).mp4
59-05-[案例]垃圾邮件识别(2.代码实现).mp4
60-06-01-支持向量机简介.mp4
61-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4
62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4
63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-KKT条件.mp4
64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp4
65-06-06-目标函数求解(2.对alpha求极大).mp4
66-06-07-SVM求解举例.mp4
后续省略800+条目录不再列出……
评论0