AI人工智能开发工程师

职业路径

AI人工智能开发工程师

完成level学习,完成课后作业和项目作业,熟悉项目操作原理,理清重点、难点、疑点知识,达到举一反三,融会贯通,结合企业案例,独立完成项目开发。

02月28日开班
导学
365
教学服务
261
视频课时
334
学习人数

班型

已选择“全程班”

服务

  • 问答辅导
  • 配套教辅
  • 源码下载
  • 1v1作业批复

课程安排

人工智能开发基础理论

L1 Python程序设计

  • D1 Python入门
    免费
  • D2 变量和简单数据类型
    免费
  • D3 语句
    免费
  • D4 列表与元组
    免费
  • D5 字符串
    免费
  • D6 字典与集合
    免费
  • D7 函数
  • D8 类与对象
  • D9 封装
  • D10 继承
  • D11 多态
  • D12 程序结构
  • D13 异常
  • D14 函数的重写与重载
  • D15 迭代器与生成器
  • D16 函数式编程
  • D17 文件IO

L2 矩阵运算

  • D1 Numpy基础
  • D2 二维数组
  • D3 数组的访问
  • D4 数组操作
  • D5 Numpy中的函数
  • D6 线性代数
  • D7 高维数组

L3 Python的第三方库

  • D1 Matplotlib基础
  • D2 基本使用
  • D3 绘制图形
  • D4 Pandas基础
  • D5 Series & DataFrame
  • D6 数据清洗与绘图

L4 Python的数据结构

  • D1 数据结构与算法基础
  • D2 线性结构
  • D3 树型结构
  • D4 排序算法
  • D5 查找算法

L5 Git使用与学习

  • D1 Git教程导学
  • D2 Git教程练习
  • D3 GitHub操作
  • D4 Pycharm集成Git、GitHub和码云

人工智能基础开发核心课程

L6 人工智能的微积分基础

  • D1 为什么要学微积分、导数的含义、斜率的极值和极小值
  • D2 常见的导数、不可微函数、导数的性质、切平面和偏导数、梯度

L7 人工智能行业发展与虚拟仿真平台搭建

  • D1 人工智能的认知与介绍
  • D2 人工智能工具环境介绍-学习环境介绍

L8 图像认知与OpenCV

  • D1 计算机眼中的图像
  • D2 灰度化
  • D3 二值化
  • D4 自适应二值化
  • D5 形态学变换
  • D6 图片颜色识别
  • D7 图像颜色替换
  • D8 ROI切割
  • D9 图像旋转
  • D10 图像镜像旋转
  • D11 图像缩放
  • D12 图像矫正
  • D13 图像添加水印
  • D14 图像噪点消除
  • D15 图像梯度处理
  • D16 图像边缘检测
  • D17 绘制图像轮廓
  • D18 凸包特征检测
  • D19 模板匹配
  • D20 图像轮廓特征查找
  • D21 直方图均衡化
  • D22 图像亮度变换
  • D23 霍夫变换

L9 视觉项目实践

  • D1 自动驾驶简介
  • D2 3D场景的介绍
  • D3 获取3D场景的数据
  • D4 透视变换
  • D5 提取车道线
  • D6 车道线拟合
  • D7 车道线显示
  • D8 车道线检测与自动驾驶(选修)

L10 机器学习算法原理与实践-入门

  • D1 机器学习介绍与定义
  • D2 KNN决策边界
  • D3 距离计算方式
  • D4 使用数学方法实现KNN
  • D5 前向传播与损失函数
  • D6 反向传播的学习率与梯度下降
  • D7 自求导的方法实现线性回归算法
  • D8 深度学习框架PyTorch的tensor(1)
  • D9 深度学习框架PyTorch的tensor(2)
  • D10 基于PyTorch框架的线性回归原理
  • D11 PyTorch技巧与模型查看
  • D12 基于TensorFlow框架的线性回归
  • D13 TensorFlow技巧与模型查看
  • D14 基于PaddlePaddle框架的线性回归
  • D15 PaddlePaddle技巧与模型查看
  • D16 【项目】基于PyTorch的房价预测
  • D17 【作业】基于PyTorch的鲍鱼年龄判定
  • D18 【作业】基于sklearn共享单车租赁预测

L11 概率论与统计

  • D1 概率与事件
  • D2 生日问题与概率的反直觉、条件概率
  • D3 贝叶斯与朴素贝叶斯
  • D4 随机变量与离散分布
  • D5 连续概率分布与数学概念
  • D6 贝叶斯分类案例
  • D7 贝叶斯多分类案例

L12 机器学习算法原理与实践-深化

  • D1 曲线拟合与非线性化、阶跃函数
  • D2 sigmoid、tanh、ReLU、Softmax激活函数
  • D3 leaky ReLU、PReLU、ELU激活函数
  • D4 极大似然估计与交叉熵损失函数
  • D5 逻辑回归与二分类问题
  • D6 逻辑回归项目实现与练习

人工智能深度开发核心课程

L13 深度学习基础与实践

  • D1 全连接与链式求导法则
  • D2 Softmax与交叉熵
  • D3 优化器和优化方法
  • D4 神经网络的可解释性与欠拟合
  • D5 神经网络的过拟合
  • D6 神经网络的正则化
  • D7 神经网络的过拟合解决方案
  • D8 深度学习回顾与任务
  • D9 深度学习基础
  • D10 知识回顾

L14 CV-卷积神经网络

  • D1 计算机眼中的图像
  • D2 卷积为什么能识别图像原理
  • D3 卷积为什么能识别图像练习
  • D4 池化为什么能增强特征
  • D5 多通道卷积、偏置过程
  • D6 CUDA与CuDNN安装
  • D7 LeNet-5原理与算法基础
  • D8 【项目】LeNet-5的手写体识别项目
  • D9 分类算法的评估标准
  • D10 简单入门项目-数字识别
  • D11 视觉-CNN基础

L15 视觉经典神经网络

  • D1 图像识别的历史发展
  • D2 AlexNet原理和结构
  • D3 基于AlexNet的猫狗分类项目
  • D4 VggNet原理和结构
  • D5 GoogLeNet原理和结构
  • D6 ResNet残差网络原理与结构
  • D7 ResNet网络代码复现练习
  • D8 MobileNetV1原理与结构
  • D9 MobileNetV2原理与结构
  • D10 MobileNetV3网络代码复现练习

L16 NLP-循环神经网络

  • D1 基于DNN实现风电功率预测项目
  • D2 DNN的时序预测与缺陷
  • D3 RNN为什么能做时序预测?RNN相比与DNN的网络结构与优势
  • D4 基于RNN实现风电功率预测项目
  • D5 RNN的梯度消失和梯度爆炸
  • D6 WordEmbedding词嵌入
  • D7 Word2Vec
  • D8 Word2Vec优化
  • D9 LSTM长-短期记忆网络的结构和函数
  • D10 BiLSTM的结构和函数
  • D11 门控循环单元

L17 Transformer

  • D1 Encoder-Decoder结构
  • D2 注意力机制的引入
  • D3 注意力机制
  • D4 soft-attention
  • D5 位置编码
  • D6 Layer Normalization
  • D7 Attention中的mask
  • D8 Transformer
  • D9 【代码】手写Transformer网络
  • D10 【项目】手写GPT网络与使用

L18 语音场景与认识声音

  • D1 基础语音3D应用场景的介绍与应用
  • D2 认识模拟声音与数字声音
  • D3 声音时域与频域转换原理与步骤
  • D4 声音时域与频域转换代码生成与运行
  • D5 声音的Mel谱特征抽取原理与步骤
  • D6 声音的Mel谱特征抽取生成与运行

进阶实战

L19 工业流水线产品分类(图像分类、包含Linux的常用命令)

  • D1 3D分拣场景介绍与数据通信
  • D2 3D场景数据采集
  • D3 使用分类算法训练数据集
  • D4 网络fine-tuning 整个网络与某几层
  • D5 基于分类算法3D场景分类算法项目部署

L20 数据集标注与制作

  • D1 目标检测简介
  • D2 目标检测的数据集-Pascal VOC
  • D3 目标检测的数据集-MS COCO
  • D4 目标检测的数据集-YOLO
  • D5 目标检测的评价指标
  • D6 目标检测的挑战

L21 工业流水线产品实时检测(目标检测两阶段与单阶段)

  • D1 R-CNN原理
  • D2 Fast R-CNN原理
  • D3 Faster R-CNN原理
  • D4 SSD的原理与网络结构分析
  • D5 YOLO简介与快速上手使用-预测篇
  • D6 YOLO简介与快速上手使用-训练篇
  • D7 YOLOV1的原理与网络结构
  • D8 YOLOV2的原理与网络结构
  • D9 YOLOV3的原理与网络结构
  • D10 YOLOV4的原理与网络结构
  • D11 YOLOV5的原理与网络结构
  • D12 YOLOV5的使用与代码精讲-预测部分
  • D13 YOLOV5的使用与代码精讲-网络搭建
  • D14 YOLOV5的使用与代码精讲-训练部分
  • D15 YOLOV8的原理与网络结构
  • D16 基于YOLO的3D场景分类算法项目部署

L22 Linux学习与使用(选修)

  • D1 Linux系统介绍
  • D2 Ubuntu基本命令

L23 初见大模型

  • D1 常见大模型介绍
  • D2 大模型与人工智能关系
  • D3 大模型的基础原理
  • D4 大语言模型的“前世今生”与发展
  • D5 LLM预测过程与提示工程
  • D6 如何高效地使用Prompt

L24 大模型的部署与应用基础

  • D1 大模型的部署与应用基础章节介绍
    试听
  • D2 RESTfuI风格api
    试听
  • D3 使用api接口调用大模型
    试听
  • D4 大模型相关库与概念
    试听
  • D5 Windows本地部署与GPU并行-Qwen2.5
    试听
  • D6 Windows本地部署-Chatglm3-6B
  • D7 ollama本地运行大模型
  • D8 autodl的GPU部署大模型
  • D9 Windows环境-wsl2环境安装
  • D10 Ubuntu下CUDA和cuDNN安装-wsl
  • D11 Windows环境-wsl的docker部署
  • D12 Ubuntu下CUDA和cuDNN安装-Docker
  • D13 vllm进行推理加速优化
  • D14 多轮对话机器人实现
  • D15 入门FastAPI
  • D16 基于fastapi构建对话机器人
  • D17 对话机器人WEBUI-Streamlit
  • D18 对话机器人WEBUI-gradio
  • D19 temperature和top_p参数常见设置

L25 大模型的RAG与Agent设计

  • D1 Langchain部署本地大模型
  • D2 Langchain-Prompt提示词
  • D3 Langchain-输出解析器
  • D4 Langchain-chain链
  • D5 Langchain-memory记忆
  • D6 【项目】LangChain-代理实现天气预报
  • D7 RAG的介绍
  • D8 RAG的文本加载
  • D9 RAG的文本分割

L26 大模型部署与微调

  • D1 大模型部署与微调

L27 PyQT课程

  • D1 PyQT5概念
  • D2 创建PyQT5的第一个窗口
  • D3 故宫介绍——通过两种方式实现
  • D4 绘制注册界面,实现注册功能
  • D5 图像显示
  • D6 定时器-Qtimer的使用
  • D7 进度条 QProgressBar
  • D8 PyQT的界面切换
  • D9 记事本实现--QMainWindows
  • D10 文件浏览器、多媒体
  • D11 多媒体的实现
  • D12 事件
  • D13 PyQT中多线程
  • D14 打包PyQt5软件

学员评价

1301条评价
5.0
课程内容
5.0
辅导老师
5.0
教学服务
5.0
M

2026.01.13

视频画质清晰,声音饱满,课程内容一开始对于零基础或者基础差的学生来说需要花很多时间理解,老师讲解很清楚,尤其有直播课,帮助对于我这种基础差的学生帮助很大。,我满意辅导老师对疑难问题的解决,对于我基础这种基础比较差的老师有耐心也细心,对于辅导老师的专业技术非常认可,能精准发现问题关键,并详细解决,以及延伸讲解,班主任的非常尽职尽责,总是督促我学习提交作业有问题也是第一时间帮我联系老师帮我解决,提醒我看直播课,以及就业方向指导帮我保驾护航,为我在求职的过程越来越从容。

凡沐

2026.01.07

课程内容上,知识点排布逻辑清晰,从基础概念到进阶应用层层递进,既覆盖了核心理论,又搭配了大量真实案例和实操练习,完全不会觉得枯燥。 授课老师专业度很高,讲解深入浅出,遇到难懂的知识点会反复拆解,还会耐心解答学员的疑问,课堂氛围轻松活跃,更难得的是老师特别有耐心,我反复问同一个问题也不会不耐烦,还会主动拓展相关知识点,帮我搭建知识框架。课后还会贴心地发练习题和总结笔记,督促我及时巩固。,老师认真负责,针对性强,成绩提升明显,耐心十足,会根据情况调整计划,超靠谱!

爱吃美食的小朱

2026.01.05

教学内容重点突出,教学目的十分明确,教师具有极高的专业技能,授课方式新颖别致,激起同学的学习兴趣。每节课的案例都很贴合知识点,能帮我们快速理解难点,课堂节奏也很舒服,既能吸收知识又不会觉得枯燥,收获特别大!,对辅导老师非常满意!不管是课程里的疑难知识点,还是实操中遇到的技术问题,老师都能快速给出清晰的解答,专业功底特别扎实,知识讲解得既深入又易懂,每次咨询都能帮我高效解决问题,学习效率提升了不少!,班主任特别靠谱!不管是课程安排的疑问,还是学习过程里遇到的各类问题,只要咨询都会及时回应、耐心解决,做事特别细心负责,总能把事情安排得很妥当,让我们学习的时候特别安心,特别感谢班主任的用心付出!

ESP

2026.01.03

视频质量良好,画面清晰无卡顿,声音清楚语速适中,无杂音干扰;课程内容结构合理,知识点由浅入深,配有例题与总结,逻辑性强;老师讲解清晰流畅,重点标注明确,举例贴切,节奏把控得当;,我对老师解决疑难问题的能力非常满意,讲解清晰且善于举例;老师专业知识扎实,能从底层逻辑帮我理解概念,知识深度令人信服。,认真负责、富有耐心、关心学生全面发展,既是严师也是益友,在班级管理中既注重规则也重视情感沟通,是一位值得信赖的好老师。

Kevin

2025.12.26

视频画面清晰、声音清楚不嘈杂;课程内容逻辑顺、干货足;老师讲解易懂好吸收,建议加些实操案例辅助巩固~,对辅导老师特别满意!疑难问题总能快速精准解答,专业技术功底扎实、知识深度足够,讲解还会结合实际帮我理解,沟通耐心又细致,体验特别好~

陈赟

2025.12.23

课程内容丰富,知识点全面,体系清晰,循序渐进由易到难,在学习过程中受益匪浅。,辅导老师认真负责,专业知识丰富,解决问题快速且有耐心,善于发现问题和不足,在学习过程中提供了很大帮助。,班主任老师,细心负责,经常提示学习节奏和进度,加油打气,无微不至,在整个学习过程中提供了很大帮助。

杨鸿皓

2025.12.23

视频质量好,每个老师的说话都非常清晰额,课件也别出心裁,后面有it学习还是会推荐给朋友,自己后续也会继续学习

MAKERU937631128

2025.12.21

课程目标明确,知识点由浅入深编排合理,形成了完整的知识闭环,核心概念讲解透彻,并配有贴近实际的应用案例或操作演示,学以致用,课程项目较为古老,涉及的专业性内容较少,辅导老师,精通所授学科的核心概念、原理与脉络,并能清晰勾勒出知识地图,而非零散的点

MAKERU211815021

2025.12.18

课程内容系统全面,理论与实践紧密结合,项目驱动教学有效提升学生动手能力与工程思维,紧跟技术前沿,实用性强,辅导老师专业扎实、耐心细致,能及时解答疑问,注重因材施教,激发学生学习兴趣,是学生技术成长的可靠引路人,班主任责任心强,关心学生全面发展,沟通协调高效,班级管理有序,营造了积极向上、团结互助的良好学习氛围

胡图图

2025.12.18

老师讲的非常细心,还时不时打电话关心我学习进程,是否跟的上,还关心我的工作,在工作的时候还指导我进行操作,班主任老师真的非常细心,对我无微不至,有什么问题,就业还是生活指导,对我的帮助都非常大,非常感谢她

AI人工智能开发工程师

选择班型

全程班 ¥15300.00

  • LMS学习系统
  • 在线答疑
  • 直播班会
  • 阶段考核
  • 班主任 + 助教
  • 实战项目

就业班 ¥18800.00

  • LMS学习系统
  • 在线答疑
  • 直播班会
  • 阶段考核
  • 班主任 + 助教
  • 实战项目
  • 面试指导
  • 保障就业

创客营 ¥23800.00

  • LMS学习系统
  • 在线答疑
  • 直播班会
  • 阶段考核
  • 班主任 + 助教
  • 实战项目
  • 面试指导
  • 保障就业
  • 线下面授集训
  • 早晚自习
全程班 ¥15300.00 确定

服务

学前测试

独家测评系统,快速分析诊断,找到问题所在。

定制方案

因材施教,为每位学生定制专属嵌入式辅导方案。

分层教学

设计相应分层策略,在教师指导下得到明显提升。。

1V1教学答疑

项目作业提交后会有教学团队批复打分并附上评语。

配套教辅

拓展知识点写成教辅放在课程中,供同学学习参考。

源码下载

课程中的代码、PPT会全部提供,部分工具也会上传。

考核评估

通过系统性的专业辅导,让学生成功入职企业。

* 因课程差异提供服务有所不同,详见课程介绍!

确定