AI人工智能算法工程师视频教程，由优库it资源网整理发布。本课从零开始系统讲解了AI人工智能知识体系，内容涵盖视觉，NLP，机器学习，深度学习，推荐搜索，AIGC，大模型。围绕多个工业级综合项目，深度对标企业核心业务模型从技术到落地实战，让你轻松应对多重工作任务。
极客时间 AI大模型微调训练营
某课 LLM大语言模型算法特训
一. 从AI全 面认知到基础夯实行业认知&Python&必备数学
二. 从AI核心技术理论体系构建到项目实战: 机器学 习&深度学习
三. 构建AI的数据驱动力—数据预处理工程
四. AI深度学习框架实战- Pytorch从基础到进阶
五. Al核心算法+方法 经典深度学习模型实战
六. AI计算机视觉核心技术与项目实战 工业&医疗与直播&自动驾驶等主流领域
七. AIGC火热领域技术与项目-文本图像生成&扩散模型等
八. NLP自然语言处理与LLM大语言模型应用实战
九. AI工程师入行&转化&就业&面试指导
项目1：人脸表情识别；项目2：智慧城市中生活用品多标签图像识别；
项目3：人脸面部与头发分割；项目4：自动驾驶中的可行驶路面分割；
项目5：自动驾驶开放道路车辆检测；项目6：DCGAN人脸嘴唇图像生成；
项目7：Stable Diffusion模型图像生成；项目8： 3DCNN模型视频动作识别；
项目9：从0到1实现智能对话机器人；项目10：垂直领域搜索推荐关键算法实战；
.
├── 第1周 快速搞清楚人工智能/
│ └── 1-人工智能发展前景与就业方向/
│ ├── 第1章 课程全面解析/
│ ├── 第2章 人工智能到底是什么？/
│ ├── 第3章 人工智能发展背后的历史/
│ ├── 第4章 解锁人工智能各大行业典型应用&就业方向/
│ └── 附件/
├── 第2周 AI编程基石：Python入门与进阶/
│ ├── 1-Python起步：入门与环境搭建/
│ │ ├── 第1章 周课程整体介绍和安排/
│ │ ├── 第2章 Anacond软件：安装、管理python相关包/
│ │ ├── 第3章 Jupyter Notbook&Pycharm：Py开发工具/
│ │ ├── 第4章 环境配置的优化方案/
│ │ └── 附件/
│ ├── 2-Python基础与程序流程控制/
│ │ ├── 第1章 基础语法与输入出/
│ │ ├── 第2章 顺序结构语句/
│ │ ├── 第3章 选择结构语句/
│ │ ├── 第4章 循环结构语句/
│ │ └── 附件/
│ ├── 3-Python列表、元组、字典和集合/
│ │ ├── 第1章 Python序列与应用/
│ │ └── 附件/
│ ├── 4-Python函数、模块，文件与文件夹操作/
│ │ ├── 第1章 Python函数/
│ │ ├── 第2章 python模块/
│ │ ├── 第3章 Python文件与文件操作/
│ │ └── 附件/
│ └── 5-Python面向对象编程/
│ ├── 第1章 面向对象的概念/
│ ├── 第2章 面向对象的特征/
│ ├── 第3章 综合案例/
│ └── 附件/
├── 第3周 AI编程基石：Python高级编程/
│ ├── 1-Python的文件、表格、绘图、视频处理/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 文本文件操作/
│ │ ├── 第3章 pandas 表格数据处理/
│ │ ├── 第4章 Matplotlib 常用画图处理/
│ │ ├── 第5章 OpenCV 影像数据处理/
│ │ ├── 第6章 pickle文件处理：数据序列化处理/
│ │ └── 附件/
│ └── 2-PyQt构建用户界面应用程序/
│ ├── 第1章 PyQt安装与构建用户界面/
│ ├── 第2章 优化PyQt构建用户界面应用程序/
│ └── 附件/
├── 第4周 人工智能底层基石-三大必备AI 数学基础/
│ ├── 1-线性代数：人工智能数据基础/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 线性代数/
│ │ └── 附件/
│ ├── 2-微积分： 数学背后的AI力量/
│ │ ├── 第1章 概念回顾：导数、微分、积分/
│ │ ├── 第2章 链式求导/
│ │ ├── 第3章 反向传播算法/
│ │ └── 附件/
│ └── 3-概率论： 数据科学与AI的关键/
│ ├── 第1章 概率论核心概念与案例/
│ └── 附件/
├── 第5周 机器学习 - 解锁人工智能的核心/
│ ├── 1-机器学习理论&常见任务/
│ │ ├── 第1章 周介绍和课程安排/
│ │ ├── 第2章 机器学习基础/
│ │ ├── 第3章 机器学习特征/
│ │ ├── 第4章 机器学习常见任务/
│ │ └── 附件/
│ ├── 2-评估目标与优化目标/
│ │ ├── 第1章 机器学习评估指标/
│ │ ├── 第2章 机器学习优化目标/
│ │ └── 附件/
│ └── 3-机器学习模型实践/
│ ├── 第1章 逻辑回归模型原理与实战/
│ └── 附件/
├── 第6周 神经网络 - 处理和学习复杂的数据/
│ ├── 1-单层神经网络原理与实践/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 生物神经网络原理/
│ │ ├── 第3章 感知器与梯度反向传播/
│ │ └── 附件/
│ ├── 2-多层神经网络原理与实践/
│ │ ├── 第1章 多层感知器与反向传播算法/
│ │ ├── 第2章 多层神经网络案例实践/
│ │ └── @优库it资源网ukoou.com
│ │ └── 附件/
│ └── 3-序列神经网络/
│ ├── 第1章 序列预测问题与RNN模型/
│ ├── 第2章 长短时记忆网络与门控循环单元/
│ └── 附件/
├── 第7周 卷积神经网络（CNN）-处理具有网格结构数据的任务/
│ ├── 1-卷积神经网络基础/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 卷积神经网络基础/
│ │ ├── 第3章 卷积与全连接的比较/
│ │ └── 附件/
│ └── 2-典型卷积神经网络模型/
│ ├── 第1章 卷积与池化反向传播/
│ ├── 第2章 典型卷积神经网络模型/
│ └── 附件/
├── 第8周 深度学习优化-使用深层神经网络来解决复杂的任务/
│ ├── 1-参数初始化+激活函数/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 深度学习优化：标准化/
│ │ ├── 第3章 深度学习优化：泛化与正则化/
│ │ └── 附件/
│ ├── 2-标准化方法+正则化/
│ │ ├── 第1章 标准化方法/
│ │ ├── 第2章 正则化/
│ │ └── 附件/
│ └── 3-学习率与最优化方法/
│ ├── 第1章 学习率与最优化方法/
│ └── 附件/
├── 第9周 数据获取、整理与应用 - 构建数据之源，驱动智能决策/
│ ├── 1-数据获取与整理：构建可靠数据/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 数据获取：图像和视频数据爬取/
│ │ ├── 第3章 数据整理：对数据进行整理、清洗和去噪/
│ │ ├── 第4章 数据标注：工具与使用/
│ │ └── 附件/
│ └── 2-数据增强方法与实践/
│ ├── 第1章 数据增强/
│ ├── 第2章 数据增强库imgaug实践/
│ └── 附件/
├── 第10周 PyTorch数据处理与网络模型构建/
│ ├── 1-PyTorch入门与应用/
│ │ ├── 第1章 周课程整体介绍与安排/
│ │ ├── 第2章 安装PyTorch/
│ │ ├── 第3章 Tensor的操作/
│ │ └── 附件/
│ ├── 2-数据集加载与应用/
│ │ ├── 第1章 Dataset与Dataloader/
│ │ ├── 第2章 数据增强与转换/
│ │ └── 附件/
│ └── 3-网络模型搭建实战/
│ ├── 第1章 网络模型搭建实战/
│ └── 附件/
├── 第11周 深入PyTorch模型的训练与可视化/
│ ├── 1-PyThorch训练基础与数据可视化/
│ │ └── 第1章 模型训练与可视化/
│ ├── 2-PyThorch训练进阶与性能优化/
│ │ ├── 第1章 PyTorch 训练进阶/
│ │ ├── 第2章 模型性能提升方法/
│ │ └── 附件/
│ └── 3-PyThorch软件封装/
│ ├── 第1章 PyThorch软件封装/
│ └── 附件/
├── 第12周 CNN图像处理模型/
│ ├── 【认准一手完整 www.ukoou.com】
│ ├── 1-简单链式模型理论与实战/
│ │ ├── 第1章 简单链式模型理论与实战/
│ │ └── 附件/
│ ├── 2-多分支模型理论与实战/
│ │ ├── 第1章 多分支模型理论与实战/
│ │ └── 附件/
│ └── 3-残差模型理论与实战/
│ ├── 第1章 残差模型理论与实战/
│ └── 附件/
├── 第13周 移动端AI高效率分组模型/
│ ├── 1-mobilenet模型理论与实战/
│ │ ├── 第1章 卷积拆分分组与Xception/
│ │ ├── 第2章 MobileNet 模型/
│ │ ├── 第3章 从零搭建MobileNet模型/
│ │ └── 附件/
│ └── 2-shufflenet模型理论与实战/
│ ├── 第1章 ShuffleNet模型/
│ ├── 第2章 从零搭建ShuffleNet模型/
│ └── 附件/
├── 第14周 卷积注意力模型/
│ ├── 1-特征通道注意力/
│ │ ├── 第1章 注意力模型基础/
│ │ ├── 第2章 特征注意力模型/
│ │ ├── 第3章 从零搭建SENet/
│ │ └── 附件/
│ ├── 2-空间注意力/
│ │ ├── 第1章 空间注意力/
│ │ └── 附件/
│ └── 3-混合注意力模型/
│ ├── 第1章 混合注意力模型/
│ └── 附件/
├── 第15周 Transformer模型/
│ └── 1-Transformer 原理与实现/
│ ├── 第1章 自注意力机制/
│ ├── 第2章 Transformer模型/
│ ├── 第3章 从零搭建Transformer/
│ └── 附件/
├── 第16周 Vision Transformer 模型/
│ ├── 1-Vision Transformer模型/
│ │ ├── 第1章 基础 ViT模型/
│ │ ├── 第2章 从零搭建Vision Transformer/
│ │ └── 附件/
│ └── 2-轻量级VisionTransformer/
│ ├── 第1章 轻量级ViT模型/
│ ├── 第2章 从零搭建Mobile ViT模型/
│ └── 附件/
└── 第17周 【视觉领域】图像分类技术与项目实战/
├── 1-图像分类基础与实践：安防监控人脸表情识别/
│ ├── 第1章 图像分类基础与模型/
│ ├── 第2章 人脸表情识别实战/
│ └── 附件/
└── 2-多标签分类与实战：生活用品多标签分类/
├── 第1章 多标签图像分类模型/
└── 第2章 实战：生活用品多标签分类/
├── 第18周 【工业领域】目标检测技术与项目实战/
│ ├── 1-目标检测基础与YOLO系列模型原理/
│ │ ├── 第1章 目标检测基础/
│ │ ├── 第2章 YOLO系列模型原理/
│ │ └── 附件/
│ └── 2-实践：YOLO v5车牌检测实战/
│ ├── 第1章 YOLO v5车牌检测实战/
│ └── 附件/
└── 第19周 【医疗与直播领域】图像分割技术与项目实战/
├── 1-图像分割基础与模型/
│ ├── 第1章 图像分割基础/
│ ├── 第2章 经典语义分割模型/
│ ├── 第3章 语义分割的关键技术改进/
│ └── 附件/
└── 2-实践：基于UNet的人脸语义分割/
├── 第1章 基于UNet的人脸语义分割实战/
└── 附件/
│── 资料代码/
└── 电子书/
