课程目录

• 1、主课程阶段
• 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
• 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
• 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
• 看看我
• 课程总结
• 面试合集.txt
• 软件下载.txt
• 下载必看.txt
• 资料2
• 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
• 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
• 06、阶段六 人工智能项目实战
• 1–第一章 智慧交通
• 2–第二章 在线医生
• 3–第三章 智能文本分类系统
• 4–第四章 实时人脸识别检测项目
• 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–Deep Q-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
• 08、人工智能资料课件
• AI基础班常用软件
• 10_WPS(office办公)
• 11_FileZilla
• 12_虚拟机
• 1_pycharm
• 2_python解释器
• 3_typora
• 4_编辑器（适合查看阅读代码）
• 5_google
• 6_文件共享
• 7_共屏软件
• 8_飞秋（聊天软件）
• 9_Xmind(思维导图)
• 13_cz播放器
• graphviz-install-2.44.1-win64.exe
• VMware及Ubuntu安装
• Mac OS
• windows
• 更新后的文件
• 阶段3-人工智能机器学习
• 阶段4-计算机视觉与图像处理
• 阶段1-人工智能python基础
• 00_AI基础班常用软件
• 阶段1—测试
• .DS_Store
• day01-python环境搭建与输出
• day02-运算符与判断
• day03-循环与字符串输入输出
• day04-字符串、列表、元组
• day05-字典、集合与推导式
• day06-函数
• day07-函数进阶
• day08-文件操作与类
• day09-类进阶
• day10-面向对象与异常处理
• day11-模块和包
• pycharm安装
• 面向对象版学员管理系统
• 阶段2-人工智能python高级
• 阶段2—测试
• .DS_Store
• 01_Linux系统day01
• 01_Linux系统day02
• 02_网络和系统应用开发day03
• 02_网络和系统应用开发day04
• 02_网络和系统应用开发day05
• 03_python高级day06
• 03_python高级day07
• 04_数据结构day08
• 04_数据结构day09
• 04_数据结构day10
• 05_mysql数据库day11
• 05_mysql数据库day12
• 05_mysql数据库day13
• 阶段3-人工智能机器学习
• 阶段3—测试
• .DS_Store
• 01_科学计算库day01
• 01_科学计算库day02
• 01_科学计算库day03
• 01_科学计算库day04
• 02.课件
• 02_机器学习算法day05
• 02_机器学习算法day06
• 02_机器学习算法day07
• 02_机器学习算法day08
• 02_机器学习算法day09
• 02_机器学习算法day10
• 02_机器学习算法day11
• 02_机器学习算法day12
• 02_机器学习算法day13
• 阶段4-计算机视觉与图像处理
• 01_深度学习与CVday07—KITTI
• 阶段4—测试
• .DS_Store
• 01_深度学习与CVday01
• 01_深度学习与CVday02
• 01_深度学习与CVday03
• 01_深度学习与CVday04
• 01_深度学习与CVday05
• 01_深度学习与CVday06
• 01_深度学习与CVday07
• 01_深度学习与CVday08
• 01_深度学习与CVday09
• 01_深度学习与CVday10
• 02_深度学习与CVday11
• 02_深度学习与CVday12
• 02_深度学习与CVday13
• 深度学习与CV
• 阶段5：自然语言处理与NLP
• 阶段5—测试
• 作业题目
• pytorch-master
• 阶段五线上课件链接（不含pytorch）.txt
• 线下版-pytorch-master
• 自然语言处理与NLP
• 阶段6-人工智能项目实战
• 智慧交通项目
• AI医生
• 人脸识别项目
• 智能文本分类
• 阶段7-算法强化
• 算法强化
• 人工智能课件补充（找不到的这里面拿）
• 01-阶段1-3（python基础 、python高级、机器学习）
• 02-阶段4 （计算机视觉CV) 阶段6 （CV项目）
• 03-阶段5（自然语言处理NLP）、阶段6（NLP项目）
• 阶段测试题
• Iris数据集
• 01-计算机视觉CV课程环境使用说明文档
• AI医生（NLP方向）
• 机器学习梳理总结xmind
• 解压密码.txt
• 深度学习与CV讲义（讲义1-7）
• chapter1
• chapter2
• chapter3
• chapter4
• chapter5
• chapter6
• chapter7
• gitbook
• images
• index.html
• search_index.json
• 虚拟机
• Mac OS
• ubuntu
• .DS_Store
• 密钥.txt
• 05-ssh的安装和使用
• garbage_classify_data(课程所有的数据集）
• 2、课外拓展阶段
• 【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(1)
• 【课外拓展】01、阶段一 HR面试技巧
• 【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】02、阶段二 赠送-人脸支付(1)
• 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】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
• 0-1 python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
• 0-2 Python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
• 0-28 lambda表达式
• 0-29 文件基本操作
• 0-3 Python数据类型
• 0-30 文件操作案例
• 0-31 案例-学生管理系统（三）
• 0-32 python异常处理
• 0-33 python模块与包
• 0-34 案例-飞机大战
• 0-4 Python格式化输出
• 0-5 Python运算符
• 0-6 Python分支语句
• 0-7 while循环
• 0-8 while循环案例
• 0-9 for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
• 0-2 SQL语言基础
• 0-3 SQL约束
• 0-4 SQL聚合
• 0-5 SQL多表查询
• 0-6 SQL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
• 0-13 With上下文管理器
• 0-14 Python生成器
• 0-15 Python中深浅拷贝
• 0-16 Python中正则表达式
• 0-17 正则表达式扩展
• 0-18 FastAPI搭建Web服务器
• 0-19 Python爬虫
• 0-2 装饰器
• 0-3 PyMySQL
• 0-4 HTML基础
• 0-5 CSS基础
• 0-6 Socket网络编程
• 0-7 TCP服务器开发
• 0-8 静态Weeb服务器
• 0-9 FastAPI
• 第一章 1-Linux基础
• 0-1 Linux基础
• 0-2 Linux终端基本使用
• 0-3 Linux常用命令(1)
• 0-4 Linux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
• 0-3 SVM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
• 0-2 KNN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】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
• 02-文本预处理-文本预处理-文本数据增强代码实现
• 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
• 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
• 05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念
• 06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理
• 07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型
• 08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解
• 09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景
• 10-Transformer—新增案例机器翻译模型-1模型的介绍
• 11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建
• 12-Transformer—新增案例机器翻译模型-3模型构建
• 13-Transformer—新增案例机器翻译模型-4掩码的构建
• 14-Transformer—新增案例机器翻译模型-5数据批处理
• 15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数
• 16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数
• 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
• 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
• 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
• 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
• 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
• 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
• 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
• 24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传
• 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
• 26-虚拟机的使用
• 【课外拓展】10、阶段十 CV基础+项目（更新）
• 4、【更新至2024】人工智能AI【黑m】_文件目录.txt