课程简介：
本课程涵盖人工智能多个阶段，包括 Python 基础与高级、机器学习、计算机视觉与图像处理、自然语言处理、项目实战及面试强化等。还有丰富的课外拓展内容，如 HR 面试技巧、人脸支付、文本摘要项目等，通过理论讲解与实践项目，全面提升学员在人工智能领域的技能水平。
课程目录：
【主学习路线】01、阶段一人工智能Python基础
1–第一章计算机组成原理
1–计算机原理
10–第十章公共方法
1–公共方法
2–推导式
11–第十一章函数
1–函数介绍
10–函数参数二
11–拆包,交换变量
12–引用
2–函数参数一
3–函数返回值一
4–函数文档说明
5–函数嵌套
6–局部变量
7–全局变量
8–函数执行流程
9–函数返回值二
12–第十二章函数强化
1–函数应用学员管理系统
2–课后练习(学员管理系统)
3–递归函数
4–匿名函数
5–高阶函数
13–第十三章文件操作
1–文件操作介绍
2–文件读写操作
3–案例文件备份
4–文件及文件夹的相关操作
14–第十四章面向对象
1–面向对象介绍
10–私有属性和方法
11–多态
12–类属性及相关方法
2–类和对象
3–对象属性操作
4–魔法方法
5–案例烤地瓜
6–案例搬家具
7–继承
8–子类重写父类属性和方法
9–super方法使用
15–第十五章异常
1–异常介绍
2–捕获异常
3–异常传递
4–自定义异常
16–第十六章模块
1–模块介绍
2–模块制作
3–python中的包
17–第十七章学生管理系统(面向对象版)
1–学生管理系统(面向对象)
2–第二章python基础语法
1–课程介绍
2–注释
3–变量
4–bug认识
5–数据类型
6–输出
7–输入
8–数据类型转换
9–运算符
3–第三章判断语句
1–判断语句介绍
2–if基本格式
3–if…elif…else格式
4–if嵌套
5–案例猜拳游戏
4–第四章循环语句
1–循环语句介绍
2–while循环
3–循环应用
4–break和continue
5–while循环嵌套及应用
6–for循环
7–循环else应用
5–第五章字符串
1–字符串介绍
2–输入输出
3–切片
4–字符串操作方法
6–第六章列表
1–列表相关操作
2–列表循环遍历
3–列表嵌套
7–第七章元组
1–元组相关操作
8–第八章字典
1–字典介绍
2–字典的常见操作
3–字典遍历
──9–第九章集合
1–集合的相关操作
【主学习路线】02、阶段二人工智能Python高级
1–第一章Linux基础命令
1–linux简介
2–linux相关命令
10–第十章MySqL数据库高级使用
1–条件查询
2–实战操作
3–外键使用
4–视图
5–事务
6–索引
7–设计范式
8–PyMySQL的使用
2–第二章Linux高级命令
1–linux高级操作
2–远程控制
3–vim介绍
3–第三章多任务编程
1–多任务介绍
2–多进程介绍
3–多线程介绍
4–锁的介绍
5–进程和线程的对比
4–第四章网络编程
1–ip和端口介绍
2–TCP介绍
3–TCP开发流程
4–多任务案例
5–第五章HTTP协议和静态服务器
1–HTTP协议
2–静态web服务器搭建
6–第六章闭包,装饰器及python高级语法
1–闭包
2–装饰器
3–property语法
4–with语法
5–python高级语法
7–第七章正则表达式
1–正则表达式
8–第八章数据结构与算法
1–算法概念
10–选择排序
11–插入排序
12–快速排序
13–二分查找
14–二叉树
15–二叉树的遍历
2–时间复杂度
3–空间复杂度
4–数据结构
5–顺序表
6–链表
7–栈
8–队列
9–冒泡排序
──9–第九章MySql数据库基本使用
1–数据库介绍
2–数据表的基本操作
3–where条件查询
4–排序
【主学习路线】03、阶段三人工智能机器学习
1–第一章机器学习概述V2.1
1–机器学习介绍
10–第十章决策树V2.1
1–信息增益
2–特征提取
3–案例泰坦生存预测
4–回归决策树
11–第十一章集成学习V2.1
1–集成介绍
2–随机森林案例
3–集成学习
12–第十二章聚类算法V2.1
1–聚类算法
13–第十三章朴素贝叶斯V2.1
1–朴素贝叶斯
14–第十四章SVM算法V2.1
1–SVM算法
15–第十五章EM算法V2.1
1–EM算法
16–第十六章HMM算法V2.1
1–HMM算法
17–第十七章集成学习进阶V2.1
1–XGBoost算法
2–otto案例
3–lightGBM算法
4–绝地求生案例
2–第二章环境安装和使用V2.1
1–环境安装及使用
3–第三章matplotlibV2.1
1–matplotlib使用
4–第四章numpyV2.1
1–numpy使用
5–第五章pandasV2.1
1–pandas数据结构
2–pandas基础使用
3–pandas高级使用
4–电影案例分析
6–第六章seabornV2.1
1–绘制统计图
2–分类数据绘图
3–NBA案例
4–北京租房数据统计分析
7–第七章K近邻算法V2.1
1–k近邻算法介绍
2–kd树
3–数据集处理
4–特征工程
5–KNN总结
6–交叉验证,网格搜索
7–案例Facebook位置预测
8–第八章线性回归V2.1
1–回归介绍
2–损失优化
3–回归相关知识
──9–第九章逻辑回归V2.1
1–逻辑回归
解压密码：666java.com
高薪学习it网.url0.05kb
海量优质it资源.url0.05kb
看看我.zip14.66M
课程总结.mp414.73M
面试合集.txt0.18kb
软件下载.txt0.15kb
下载必看.txt0.16kb
资料2.zip14.66M
【主学习路线】04、阶段四计算机视觉与图像处理
1–第一章课程简介_v2.0
1–深度学习
2–计算机视觉（CV）
10–第十章图像特征提取与描述_v2.0
1–角点特征
2–Harris和Shi-Tomas算法
3–SIFT
4–Fast和ORB算法
5–LBP和HOG特征算子
11–第十一章视频操作_v2.0
1–视频读写
2–视频追踪
12–第十二章案例人脸案例_v2.0
1–案例人脸案例
2–第二章tensorflow入门_v2.0
1–tensorflow和keras简介
2–快速入门模型
3–第三章深度神经网络_v2.0
1–神经网络简介
2–常见的损失函数
3–深度学习的优化方法
4–深度学习的正则化
5–神经网络案例
6–卷积神经网络CNN
4–第四章图像分类_v2.0
1–图像分类简介
2–AlexNet
3–VGG
4–GoogleNet
5–ResNet
6–图像增强方法
7–模型微调
5–第五章目标检测_v2.0
1–目标检测概述
2–R-CNN网络基础
3–Faster-RCNN原理与实现
4–yolo系列算法
5–yoloV3案例
6–SSD模型介绍
6–第六章图像分割_v2.0
1–目标分割介绍
2–语义分割：FCN与Unet
3–Unet-案例
4–实例分割：MaskRCNN
7–第七章OpenCV简介_v2.0
1–图像处理简介
2–OpenCV简介及安装方法
3–OpenCV的模块
8–第八章OpenCV基本操作_v.2.0
1–图像的基础操作
2–算数操作
──9–第九章OpenCV图像处理_v2.0
1–几何变换
2–形态学操作
3–图像平滑
4–直方图
5–边缘检测
6–模版匹配和霍夫变换
7–轮廓检测
【主学习路线】05、阶段五NLP自然语言处理
──【主学习路线】05、阶段五NLP自然语言处理.zip20.86G
【主学习路线】06、阶段六人工智能项目实战
1–第一章智慧交通.zip6.64G
2–第二章在线医生.zip7.74G
3–第三章智能文本分类系统.zip2.69G
──4–第四章实时人脸识别检测项目.zip6.07G
【主学习路线】07、阶段七人工智能面试强化（赠送）
1–第一章自动编码器
1–自动编码器历史与应用介绍
2–构建自动编码器
3–自动编码器改进技巧
4–变分自动编码器
10–第十章贝叶斯方法实现及粒子滤波
1–贝叶斯方法实现及粒子滤波
11–第十一章深度强化学习
1–强化学习
2–Q-learning算法
3–DeepQ-Network
2–第二章图像分割应用
1–图像分割应用介绍
3–第三章生成对抗学习
1–生成对抗学习
4–第四章算法进阶迁移学习
1–迁移学习介绍
5–第五章模型可解释
1–模型可解释
6–第六章模型压缩
1–模型压缩
7–第七章终生学习
1–终生学习
8–第八章算法进阶进化学习
1–进化学习
──9–第九章贝叶斯方法
1–贝叶斯方法
【课外拓展】01、阶段一HR面试技巧
──【课外拓展】01、阶段一HR面试技巧.zip1.94G
【课外拓展】02、阶段二赠送-人脸支付
──第一章1-人脸支付
0-1项目背景介绍
0-2人脸检测子任务
0-3人脸姿态估计
0-4人脸多任务
0-5人脸识别
0-6项目集成
【课外拓展】03、阶段三赠送-文本摘要项目
──第一章1-文本摘要项目
0-1文本摘要项项目背景介绍
0-10模型的预测
0-11词向量的单独训练
0-12模型的优化
0-13PGN架构
0-14数据预处理
0-15PGN数据特殊性分析
0-16迭代器和类的实现
0-17PGN模型的搭建
0-18PGN模型训练
0-19PGN模型预测
0-2项目中的数据集初探
0-20评估方法介绍
0-21BLEU算法理论
0-22ROUGE算法理论
0-23ROUGE算法实现
0-24coverage机制原理
0-25coverage模型类实现
0-26coverage训练和预测
0-27Beam-search原理介绍
0-28Beam-search模型类实现
0-29TF-IDF算法原理和实现
0-3TextRank算法理论基础
0-30单词替换法的类实现
0-31单词替换法的训练和评估
0-32回译数据法实现和评估
0-33半监督学习法原理和实现
0-34训练策略原理和实现
0-35模型转移实现
0-36GPU优化原理和实现
0-37CPU优化原理和实现
0-38Flask实现模型部署
0-4TextRank算法实现模型
0-5seq2seq架构
0-6seq3seq架构
0-7工具函数的实现
0-8模型类的搭建
0-9模型的训练
【课外拓展】04、阶段四入学第一课
──无课程相关内容
【课外拓展】05、阶段五阶段一python基础（更新）
第二章2-python面向对象
0-1类定义及类属性使用
0-2魔法方法
0-3案例-面向对象
0-4面向对象封装与继承
0-5面向对象多态
0-6类属性方法
──第一章1-python基础编程
0-1python开发环境搭建
0-10循环else
0-11字符串定义切片
0-12字符串查找，替换，合并
0-13列表定义及使用
0-14元祖定义及使用
0-15字典定义及使用
0-16案例-学生管理系统（一）
0-17集合定义及使用
0-18公共方法与推导式
0-19函数基本使用
0-2Python注释与变量
0-20函数基本使用替代视频（04,05,06）
0-21函数作用域
0-22不定长参数与组包拆包
0-23案例-学生管理系统（二）
0-24基础加强练习
0-25可变类型及非可变类型
0-26递推
0-27递归
0-28lambda表达式
0-29文件基本操作
0-3Python数据类型
0-30文件操作案例
0-31案例-学生管理系统（三）
0-32python异常处理
0-33python模块与包
0-34案例-飞机大战
0-4Python格式化输出
0-5Python运算符
0-6Python分支语句
0-7while循环
0-8while循环案例
0-9for循环及案例
【课外拓展】06、阶段六阶段二Python高级（更新）
第二章2-SQL基础
0-1数据库基础
0-2SQL语言基础
0-3SQL约束
0-4SQL聚合
0-5SQL多表查询
0-6SQL高阶特性
第三章3-Python编程进阶
0-1函数的闭包
0-10进程
0-11线程
0-12进程线程对比
0-13With上下文管理器
0-14Python生成器
0-15Python中深浅拷贝
0-16Python中正则表达式
0-17正则表达式扩展
0-18FastAPI搭建Web服务器
0-19Python爬虫
0-2装饰器
0-3PyMySQL
0-4HTML基础
0-5CSS基础
0-6Socket网络编程
0-7TCP服务器开发
0-8静态Weeb服务器
0-9FastAPI
──第一章1-Linux基础
0-1Linux基础
0-2Linux终端基本使用
0-3Linux常用命令(1)
0-4Linux常用命令(2)
【课外拓展】07、阶段七阶段三机器学习（更新）
第二章2-机器学习算法进阶
0-1决策树算法
0-2朴素贝叶斯算法
0-3SVM算法
0-4聚类算法
0-5集成学习算法
0-6机器学习算法回顾总结（有需要的同学可以看看）
──第一章1-机器学习基础算法
0-1人工智能原理基础
0-2KNN算法
0-3线性回归
0-4逻辑回归
【课外拓展】08、阶段八阶段四—深度学习基础补充视频
──【课外拓展】08、阶段八阶段四—深度学习基础补充视频.zip1.83G
【课外拓展】09、阶段九阶段五—NLP基础补充视频
01-文本预处理-文本预处理-文本数据增强讲解.mp414.12M
02-文本预处理-文本预处理-文本数据增强代码实现.mp414.17M
03-文本预处理-新闻主题分类任务-数据加载方式的增补代码解读.mp49.12M
04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐.mp45.40M
05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念.mp49.78M
06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理.mp420.46M
07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型.mp434.58M
08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解.mp421.86M
09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景.mp414.74M
10-Transformer—新增案例机器翻译模型-1模型的介绍.mp457.15M
11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建.mp424.13M
12-Transformer—新增案例机器翻译模型-3模型构建.mp431.48M
13-Transformer—新增案例机器翻译模型-4掩码的构建.mp415.05M
14-Transformer—新增案例机器翻译模型-5数据批处理.mp413.79M
15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数.mp432.81M
16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数.mp422.58M
17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存.mp413.30M
18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载.mp422.91M
19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型.mp439.74M
20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果.mp427.98M
21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出.mp425.83M
22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出.mp421.14M
23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出.mp445.77M
24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.mp452.62M
25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用.mp429.35M
──26-虚拟机的使用.mp414.09M
【课外拓展】10、阶段十CV基础+项目（更新）
──【课外拓展】10、阶段十CV基础+项目（更新）.zip20.49G
└──人工智能课件
01-阶段1-3（python基础、python高级、机器学习）
02-虚拟机环境
01-Python+机器学习课程环境使用说明(1).pdf3.78M
01-阶段1-3（python基础、python高级、机器学习）.zip2.22G
AI虚拟机使用常见问题汇总(1).pdf646.33kb
Azure机器学习模型搭建实验(1).doc1.70M
02-阶段4（计算机视觉CV)阶段6（CV项目）
02-虚拟机环境
02-阶段4（计算机视觉CV)阶段6（CV项目）.zip439.07M
03-阶段5（自然语言处理NLP）、阶段6（NLP项目）
02-NLP虚拟机环境
03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip10.50G
阶段测试题
阶段1—测试
阶段2—测试
阶段3—测试
阶段4—测试
阶段5—测试
.DS_Store6.00kb
Iris数据集
iris.csv4.86kb
iris.txt4.85kb
01-计算机视觉CV课程环境使用说明文档.pdf3.59M
机器学习梳理总结xmind.zip8.61M
