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。

365
教学服务
261
视频课时
399
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

1316条评价
5.0
课程内容
5.0
辅导老师
5.0
教学服务
5.0
hhs1231

2026.02.24

视频清晰度很高,声音很清晰,质量也很高,在工作中基本都用到了,也因此给了我很大的信心和底气,辅导老师很细心也很尽职尽责,在遇到问题时及时解答,解答的也很清晰明了,同时也会帮忙排查问题,班主任老师很负责,经常会关心近况,同时在找工作期间也给我提供了很多建议,找到工作后也还在跟进情况

Ohh

2026.02.23

画质很清晰,观看方式做的很好,画面看起来很舒服,总体来说视频不错,教学内容也很有用,整体非常不错。,辅导老师对嵌入式开发相关的疑难问题讲解得非常透彻,从 ARM 汇编到通信协议都能给出清晰的思路和可执行的方案,专业功底扎实,知识体系全面,让我受益匪浅。,班主任总能及时响应我的问题,无论是课程安排还是学习上的疑问都处理得高效贴心,态度热情负责,让我的学习过程非常顺畅,非常满意。

学员 小史

2026.02.18

课程的视频质量清晰稳定,声音洪亮无杂音,整体观感很好。课程内容从嵌入式开发的基础概念入手,循序渐进地讲解知识点,知识点讲解条理清晰,重点突出,非常适合像我这样从土木工程转行的初学者,帮助我建立了系统的知识框架。,辅导老师非常专业,对我在嵌入式开发学习中遇到的各种问题,无论是理论知识还是实践操作,都能给出清晰、准确的解答。老师不仅能快速定位问题根源,还会耐心地引导我理解背后的原理,极大地提升了我的学习效率和信心。,班主任非常负责,总是能及时响应我的各种咨询,无论是课程安排、学习计划还是日常的生活问题,都能得到快速有效的解决。老师还会定期跟进我的学习进度,给予鼓励和提醒,让我在转行的道路上感受到了有力的支持和温暖的陪伴。

MAKERU414312686

2026.02.11

视频的声音和画面都非常清晰明了,课程内容的设置对基础非常扎实,老师的讲解非常清楚,建议暂无,辅导老师对我遇到的问题,回答的及时且和我一起尝试去解决问题,对辅导老师的专业技术功底感到满意,班主任耐心认真的倾听我遇到的问题,并积极给出应对措施。我认为班主任还挺好的

MAKERU088607124

2026.02.07

视频的声音清晰、画面流畅,没有卡顿模糊的情况。课程内容设置循序渐进,从基础到进阶的衔接很自然,老师讲解逻辑清晰、重点突出,复杂的知识点也能讲得通俗易懂。希望后续可以增加一些实战案例和课后练习题,帮助巩固所学内容。 ,辅导老师对我提出的疑难问题总能快速响应,解答时不仅给出具体步骤,还会补充相关知识点,专业技术功底扎实,知识深度也足够,能把底层逻辑讲清楚。每次沟通都能让我有新的收获,非常满意。 ,班主任非常负责,无论是课程相关的问题还是学习上的困惑,都能及时回应并帮忙解决,会主动关心学习进度,还会分享实用的学习方法和资料,让我感受到很贴心的服务,给班主任的工作点个赞。

MAKERU821118338

2026.02.04

这门嵌入式视频课程讲解专业详实,重难点剖析清晰,案例贴合实操,循序渐进易理解,干货满满实用性强,对提升嵌入式技能帮助很大,超推荐!,辅导老师专业度拉满,嵌入式知识点讲解透彻,答疑及时又耐心,会针对性梳理重难点,指导实操超细致,跟着学收获特别大,特别负责!,班主任老师超负责,全程跟进学习进度,及时提醒课程安排,答疑耐心又细致,还会贴心督促学习、梳理重点,氛围感拉满,学习超有动力!

**

2026.01.31

视频画质清晰,声音清楚无杂音,课程内容从基础到进阶的设置很系统,知识点衔接流畅,老师讲解逻辑清晰、重点突出,还会结合实际案例辅助理解,学习体验很好。希望后续可以增加一些拓展性的实战项目,让我们能更好地巩固所学内容。,辅导老师对我提出的疑难问题总能快速响应,解答时不仅给出具体解法,还会梳理相关知识点的逻辑,专业功底非常扎实,知识储备也很深厚。遇到复杂问题时,会耐心拆解步骤,直到我完全理解,对我的学习帮助很大,非常满意。 ,班主任非常负责,平时遇到学习或平台使用上的问题,只要反馈就会及时跟进处理,总能很快给出解决方案。还会定期关心学习进度,提醒重要的课程节点,给了我很多鼓励和支持,让整个学习过程都很顺畅,是很靠谱的班主任。

栋苍

2026.01.28

课程体验非常出色,课程内容丰富全面,结构安排合理,讲解清晰透彻,视频与音频质量上乘,整体学习体验流畅。辅导老师专业负责,能够及时有效地解答疑难问题,展现了扎实的专业功底。班主任服务细致周到,响应迅速,沟通顺畅,为学习过程提供了有力的支持。总体而言,各方面均达到了预期,值得推荐。

MAKERU892600456

2026.01.27

视频质量良好,内容实用性强,老师讲解清晰易懂。建议在课程项目中提供更多调试技巧。,老师的专业技术深,解决疑难问题高效精准,对于后续代码调试讲解十分清晰。,班主任解决问题迅速,对于后续工作的安排也非常关心,也能监督我完成后续课程的学习。

MAKERU262262211

2026.01.25

音质画质清晰,讲解细致,有很强的针对性!每一个点都很细致,知识点框架紧凑有序,适合很多学着去学习!,辅导老师专业性很强,非常负责,经常定期和学生打电话沟通来了解学生的学习情况 ,答疑耐心,是非常负责人的老师!,非常关心学生的学习情况,能够兼顾到每一个学生的学习情况,让学生学习嵌入式有很大的积极性!

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