• 0

    消息 标记为已读

    没有消息

    查看全部
  • 登录/注册
  • 我的班级
  • AI人工智能职业课程

    教学服务
    365
    视频时长
    205小时
    学习人数
    42
    中国人保教育培训险
    开始学习
    有位老师想跟你聊一聊

    Hi,我是你的学习规划师

    不知道选什么课?和我聊聊吧!

    规划学习路径
    • 学习中
    • 已学完
    • 未学习
    • 即将上线

    人工智能开发基础理论

    39课时60小时40分

    L1
    Python程序设计

    Python程序设计课程服务于机器学习、深度学习等人工智能核心课程,详细介绍了python面向过程编程的基础语法,如变量、表达式、语句、函数等概念;对Python程序中特有的列表、元组、字典、集合、字符串等容器类型的典型操作给出了详尽的示例;阐述了面向对象编程的基本概念,以及封装、继承、多态三大面向对象编程的核心特性;在此基础上深化了模块与包、函数重写、迭代器与生成器、函数式编程等python编程

    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

    Numpy库是Python中用于科学计算、数据分析和机器学习的底层库,补充了Python语言所欠缺的数值计算能力。本课程中详细介绍了一维、二维数组的创建、索引访问、切片访问的使用技巧,同时对Numpy中一写常见功能函数做了实例演示,结合课堂的编程作业,可以帮助学习者快速入门Numpy程序设计。为后续机器学习、深度学习课程操作数组打下良好基础。

    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

    掌握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

    该阶段课程介绍了数据结构与算法的基本概念,主要内容包括Python面向对象程序设计,普通线性表、栈和队列、二叉树等数据结构的Python实现,常见排序算法、查找算法的原理与实现等基本知识。

    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

    掌握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

    55课时62小时26分

    L6
    人工智能的微积分基础

    熟悉人工智能中常见的微积分的知识点,为机器学习和深度学习打下基础。

    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
    免费

    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

    了解图像认知与OpenCV,掌握图像识别与检测的实现。

    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
    机器学习算法原理与实践-入门

    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
    L10
    概率论与统计

    掌握数学的方法实现线性回归

    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
    L11
    机器学习算法原理与实践-深化

    掌握深度学习算法和框架

    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

    54课时42小时29分

    L12
    深度学习基础与实践

    掌握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
    L13
    CV-卷积神经网络

    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
    L14
    视觉经典神经网络

    掌握视觉经典神经网络

    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
    L15
    NLP-循环神经网络

    掌握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
    L16
    Transformer

    掌握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
    L17
    语音场景与认识声音

    掌握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

    70课时38小时54分

    L18
    工业流水线产品分类(图像分类、包含Linux的常用命令)

    掌握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
    L19
    数据集标注与制作

    掌握数据集标注与制作

    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
    L20
    工业流水线产品实时检测(目标检测两阶段与单阶段)

    掌握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
    L23
    初见大模型

    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

    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 D2 RESTfuI风格api D3 使用api接口调用大模型
    D4 大模型相关库与概念 D5 Windows本地部署与GPU并行-Qwen2.5 D6 Windows本地部署-Chatglm3-6B
    D7 ollama本地运行大模型 D8 autodl部署-Qwen2.5-0.5B
    L25
    算法的NPU终端移植

    掌握算法的NPU终端移植

    D1 Linux常用命令1 D2 Linux常用命令2 D3 Linux常用命令3
    D4 基于3588的NPU进行移植(1) D5 基于3588的NPU进行移植(2) D6 基于3588的NPU进行移植(3)
    D7 基于3588的NPU进行移植(4) D8 基于3588的NPU进行移植(5) D9 基于3588的NPU进行移植(6)
    D10 移植YOLO的全过程(1) D11 移植YOLO的全过程(2) D12 移植YOLO的全过程(3)
    D13 移植YOLO的全过程(4) D14 移植YOLO的全过程(5) D15 移植YOLO的全过程(6)
    L26
    PyQT课程

    掌握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 PyQT5安装 D8 进度条 QProgressBar D9 PyQT的界面切换
    D10 记事本实现--QMainWindows D11 文件浏览器、多媒体 D12 事件
    D13 网络编程 D14 PyQT中多线程 D15 PyQT数据库
    D16 sqllite D17 PyQT数据库、sqllite复习总结