AI人工智能算法工程師
從AI零基礎入門(mén)，打通視覺(jué)，NLP，機器學(xué)習，深度學(xué)習，推薦搜索，AIGC，大模型
引領(lǐng)行業(yè)的知識體系+工業(yè)級多領(lǐng)域綜合項目+資深專(zhuān)業(yè)講師團+全方位貼心服務(wù)
助力你平滑遞進(jìn)式快速成為新時(shí)代搶手人才，多領(lǐng)域靈活就業(yè)
試看鏈接：https://pan.baidu.com/s/1lv5JRimmZlPZFxgK_cWAuA?pwd=yycg
章節目錄
階段一：從AI全面認知到基礎夯實(shí)-行業(yè)認知&python&必備數學(xué)
11門(mén)課 /課程總時(shí)長(cháng)：16小時(shí)
第1周 快速搞清楚人工智能
本周學(xué)習人工智能相關(guān)基礎及其應用，包括人工智能的概念，背后的發(fā)展歷史，典型研究方法與學(xué)科，就業(yè)市場(chǎng)與前景。
課程安排：
1. 從零全面快速認知人工智能
2. 探討人工智能的發(fā)展歷程與發(fā)展
3. 分析人工智能的主要研究方法
4. 了解人工智能領(lǐng)域相關(guān)的學(xué)科
5. 分析人工智能就業(yè)方向及能力
第2周 AI編程基石：Python入門(mén)與進(jìn)階
Python是人工智能編程語(yǔ)言，本周將手把手帶領(lǐng)大家，從如何安裝Pyhon開(kāi)始，到寫(xiě)出第一個(gè)程序，掌握Python的輸入輸出、程序的流程控制、序列相關(guān)知識，函數，模塊，文件與文件夾操作和面向對象編程。
課程安排：
1. 如何安裝和使用Anaconda,PyCharm等編程軟件
2. 學(xué)習輸入輸出、以及程序流程控制語(yǔ)句
3. Python序列知識講解，包括：列表、元組、字典與集合
4. 掌握Python的函數、模塊與文件操作
5. 學(xué)習Python的面向對象編程，理解代碼的繼承
6. Python 在A(yíng)I中的應用實(shí)戰
第3周 AI編程基石：Python高級編程
在人工智能中，經(jīng)常需要讀取數據，本周將會(huì )教大家如何用python處理文本文檔、Excel表格、圖片以及視頻。還有如何繪制出折線(xiàn)圖、條形圖等常用圖形，方便大家科研作圖。最后帶著(zhù)大家做屬于自己的軟件界面，方便作品的展示。
課程安排：
1. 處理文本文檔信息核心基礎操作
2. 使用pandas處理表格數據
3. 運用 pandas對表格進(jìn)行基本的分析、以及繪圖
4. 運用Matplotlib處理圖片
5. 運用OpenCV進(jìn)行視頻處理
6. 使用 pickle進(jìn)行文件數據序列化處理
7. 學(xué)習PyQt給程序做出一個(gè)可互動(dòng)的界面，給軟件一個(gè)包裝
第4周 人工智能底層基石-三大必備AI 數學(xué)基礎
數學(xué)是人工智能的基礎，本周?chē)@人工智能、尤其是深度學(xué)習中經(jīng)常遇到的數學(xué)知識進(jìn)行展開(kāi)，通過(guò)簡(jiǎn)單易懂的案例，幫大家回顧線(xiàn)性代數、微積分以及概率論的相關(guān)知識。
課程安排：
1. 學(xué)習人工智能和其他領(lǐng)域中的線(xiàn)性代數、微積分、概率論應用案例
2. 學(xué)會(huì )Numpy的安裝與簡(jiǎn)單測試
3. 線(xiàn)性代數相關(guān)知識點(diǎn)理論講解與核心應用代碼講解
4. 微積分相關(guān)知識點(diǎn)理論講解與核心應用代碼講解
5. 概率論相關(guān)知識點(diǎn)理論講解與核心應用代碼講解
6. 使用Numpy應用實(shí)戰，如實(shí)現向量的加、減、點(diǎn)積和外積操作、求矩陣的特征向量、SVD分解等
7. 運用Python應用實(shí)戰，如旋轉、放縮、繪制函數圖像并展示其切線(xiàn)、繪制三維函數圖像等
階段二：從AI核心技術(shù)理論體系構建到項目實(shí)戰： 機器學(xué)習&深度學(xué)習
11門(mén)課 /課程總時(shí)長(cháng)：15小時(shí)
第5周 機器學(xué)習 – 解鎖人工智能的核心
本周學(xué)習機器學(xué)習基礎知識，包括機器學(xué)習概念、機器學(xué)習模型分類(lèi)、評估目標與優(yōu)化目標、典型案例實(shí)踐。
課程安排：
1. 掌握機器學(xué)習工具的基本流程
2. 掌握特征的概念與使用
3. 了解不同機器學(xué)習模型的分類(lèi)
4. 學(xué)會(huì )常見(jiàn)機器學(xué)習模型的評估方法
5. 學(xué)會(huì )常見(jiàn)機器學(xué)習模型的學(xué)習優(yōu)化目標
6. 學(xué)習使用python機器學(xué)習工具sklearn
7. 基于sklearn工具和鳶尾花數據集，進(jìn)行邏輯回歸實(shí)戰
第6周 神經(jīng)網(wǎng)絡(luò ) – 處理和學(xué)習復雜的數據
本周學(xué)習神經(jīng)網(wǎng)絡(luò )基礎知識，包括前饋神經(jīng)網(wǎng)絡(luò )與時(shí)序神經(jīng)網(wǎng)絡(luò )結構、單層神經(jīng)網(wǎng)絡(luò )與多層神經(jīng)網(wǎng)絡(luò )典型案例實(shí)踐。
課程安排：
1. 掌握感知器的學(xué)習原理
2. 掌握神經(jīng)網(wǎng)絡(luò )的模型結構
3. 了解單層神經(jīng)網(wǎng)絡(luò )與多層神經(jīng)網(wǎng)絡(luò )的能力
4. 掌握梯度下降算法原理與實(shí)踐
5. 掌握反向傳播算法原理與實(shí)踐
6. 掌握RNN與LSTM模型結構
7. 基于Python進(jìn)行二維空間線(xiàn)性可分數據單/多層感知器實(shí)戰
第7周 卷積神經(jīng)網(wǎng)絡(luò )（CNN）-處理具有網(wǎng)格結構數據的任務(wù)
本周學(xué)習卷積神經(jīng)網(wǎng)絡(luò )基礎知識，包括卷積神經(jīng)網(wǎng)絡(luò )的基本概念，卷積神經(jīng)網(wǎng)絡(luò )模型結構。
課程安排：
1. 掌握二維卷積與多通道卷積的原理
2. 掌握池化的原理
3. 了解步長(cháng)和填充
4. 掌握反卷積的原理
5. 了解卷積反向傳播算法
6. 掌握典型卷積神經(jīng)網(wǎng)絡(luò )的搭建
第8周 深度學(xué)習優(yōu)化-使用深層神經(jīng)網(wǎng)絡(luò )來(lái)解決復雜的任務(wù)
本周學(xué)習當前主流的深度學(xué)習模型訓練與優(yōu)化相關(guān)的技術(shù)（參數初始化、激活函數、標準化方法、學(xué)習率與最優(yōu)化方法、正則化方法）
課程安排：
1. 掌握常見(jiàn)的參數初始化方法
2. 掌握常見(jiàn)的激活函數
3. 掌握常見(jiàn)的標準化方法
4. 掌握常見(jiàn)的正則化方法
5. 掌握常見(jiàn)的學(xué)習率迭代策略
6. 掌握常見(jiàn)的最優(yōu)化方法
階段三：構建AI的數據驅動(dòng)力–數據預處理工程
2門(mén)課 /課程總時(shí)長(cháng)：6小時(shí)
第9周 數據獲取、整理與應用 – 構建數據之源，驅動(dòng)智能決策
本周學(xué)習深度學(xué)習之數據使用的相關(guān)內容，使學(xué)生了解并且掌握數據獲取、數據整理、數據標注、數據增強方法等內容，對imgaug數據增強庫進(jìn)行了解。
課程安排：
1. 了解數據獲取方法
2. 掌握一般的數據整理方法
3. 掌握數據標注工具label studio
4. 掌握常見(jiàn)的數據增強方法
5. 學(xué)會(huì )使用imgaug數據增強工具
階段四：AI 深度學(xué)習框架實(shí)戰- Pytorch從基礎到進(jìn)階
6門(mén)課 /課程總時(shí)長(cháng)：7小時(shí)
第10周 PyTorch數據處理與網(wǎng)絡(luò )模型構建
PyTorch是目前最火的深度學(xué)習框架，本周將從如何配置Pytorch環(huán)境開(kāi)始，掌握一些基本的知識，包括張量、層結構、網(wǎng)絡(luò )結構搭建、優(yōu)化器及損失函數，學(xué)會(huì )數據讀取與增強。
課程安排：
1.PyTorch的安裝
2.Tensor的相關(guān)數據處理
3.如何用dataloader加載數據集
4.不同的數據增強方法
5.卷積層、池化層與全連接層的介紹
6.網(wǎng)絡(luò )的正則化技術(shù)
7.如何逐層搭建自定義的卷積神經(jīng)網(wǎng)絡(luò )
第11周 深入PyTorch模型的訓練與可視化
本周學(xué)習如何對Pytorch模型進(jìn)行訓練，會(huì )涉及的內容有，損失函數、優(yōu)化器、權重保存與加載、遷移學(xué)習策略等知識，并介紹如何使用Tensorboard進(jìn)行訓練數據的可視化。
課程安排：
1.損失函數與優(yōu)化器
2.掌握模型權重文件的保存與加載
3.掌握遷移學(xué)習等模型訓練效果提升的辦法
4.掌握如何在不同設備中進(jìn)行訓練
5.掌握用Tensorboard記錄訓練數據，并將數據進(jìn)行可視化
階段五：AI核心算法+方法——經(jīng)典深度學(xué)習模型實(shí)戰
11門(mén)課 /課程總時(shí)長(cháng)：12小時(shí)
第12周 CNN圖像處理模型
本周學(xué)習基礎的經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò )模型設計思想，包括簡(jiǎn)單模型、多分支模型原理。
課程安排：
1. 掌握AlexNet模型結構
2. 掌握VGGNet模型結構
3. 掌握InceptionNet模型結構
4. 掌握1×1卷積模型結構
5. 掌握ResNet和DenseNet模型結構
6. 掌握SqueezeNet模型結構
第13周 移動(dòng)端AI高效率分組模型
本周學(xué)習適合于移動(dòng)端使用的通道分組高效率模型原理。
課程安排：
1. 掌握MobileNet V1模型結構
2. 掌握MobileNet V2模型結構
3. 掌握ShuffleNet V1模型結構
4. 掌握ShuffleNet V2模型結構
5. 掌握MixNet等模型結構
第14周 卷積注意力模型
本周學(xué)習卷積注意力相關(guān)的模型（特征通道注意力、空間注意力、自注意力）
課程安排：
本周學(xué)習卷積注意力相關(guān)的模型（特征通道注意力、空間注意力、自注意力）
第15周 Transformer模型
本周學(xué)習Transformer基礎，包括Transformer模型各個(gè)模塊的結構細節以及代碼實(shí)現。
課程安排：
1. 掌握Self-Attention（自注意力）機制
2. 掌握多頭自注意力機制
3. 掌握Token概念
4. 掌握位置編碼原理
5. 掌握掩碼的作用
6. 掌握解碼的原理
第16周 Vision Transformer 模型
本周學(xué)習典型的Vision Transformer模型，包括基礎ViT模型以及高效率的ViT模型。
課程安排：
1. 掌握ViT模型結構
2. 掌握DeViT模型結構
3. 掌握Mobile ViT等高效率模型結構
階段六：AI計算機視覺(jué)核心技術(shù)與項目實(shí)戰-工業(yè)&醫療與直播&自動(dòng)駕駛等主流領(lǐng)域
10門(mén)課 /課程總時(shí)長(cháng)：35小時(shí)
第17周 【視覺(jué)領(lǐng)域】圖像分類(lèi)技術(shù)與項目實(shí)戰
本周學(xué)習深度學(xué)習之圖像分類(lèi)的相關(guān)理論與實(shí)踐內容，帶領(lǐng)學(xué)生進(jìn)行以下實(shí)戰內容：從零完成人臉表情識別、生活用品多標簽圖像分類(lèi)。
課程安排：
1. 了解圖像分類(lèi)問(wèn)題劃分
2. 了解多類(lèi)別圖像分類(lèi)模型結構
3. 了解多標簽圖像分類(lèi)方法
4. 掌握從零搭建圖像分類(lèi)模型并實(shí)現訓練與測試的完整流程
5. 掌握多標簽圖像分類(lèi)方法并實(shí)現訓練與測試的完整流程
第18周 【工業(yè)領(lǐng)域】目標檢測技術(shù)與項目實(shí)戰
本周學(xué)習深度學(xué)習之目標檢測的相關(guān)理論與實(shí)踐內容，，包括One-stage算法-YOLO系列詳解、帶領(lǐng)學(xué)生進(jìn)行YOLO v5車(chē)牌檢測實(shí)戰
課程安排：
1. 了解目標檢測基本流程
2. 了解目標檢測評估指標
3. 掌握非極大值抑制目標檢測后處理方法
4. 掌握YOLO v1-v8的系列算法原理
5. 掌握基于YOLO v5實(shí)現車(chē)牌目標檢測任務(wù)的完整流程
第19周 【醫療與直播領(lǐng)域】圖像分割技術(shù)與項目實(shí)戰
本周學(xué)習深度學(xué)習之語(yǔ)義分割的相關(guān)理論與實(shí)踐內容，帶領(lǐng)學(xué)生進(jìn)SimpleNet人臉?lè )指顚?shí)戰
課程安排：
1. 了解圖像分割問(wèn)題劃分
2. 掌握語(yǔ)義分割經(jīng)典模型FCN
3. 掌握語(yǔ)義分割經(jīng)典模型UNet
4. 掌握膨脹卷積原理
5. 掌握語(yǔ)義分割經(jīng)典模型系列Deeplab
6. 掌握從零搭建圖像分割模型并實(shí)現訓練與測試的完整流程
第20周 【視頻分析領(lǐng)域-火熱領(lǐng)域】視頻分類(lèi)技術(shù)與項目實(shí)戰
本周學(xué)習深度學(xué)習之視頻分類(lèi)的相關(guān)理論與實(shí)踐內容，包括3D模型與雙流模型、帶領(lǐng)學(xué)生進(jìn)行3DCNN模型視頻分類(lèi)實(shí)戰
課程安排：
1. 了解3D卷積原理
2. 掌握3DCNN模型結構
3. 掌握C(2+1)D模型結構
4. 了解視頻分類(lèi)任務(wù)與數據集
5. 掌握從零搭建3DCNN模型并實(shí)現訓練與測試的完整流程
第21周 【自動(dòng)駕駛領(lǐng)域】自動(dòng)駕駛感知算法技術(shù)與項目實(shí)戰
本周針對自動(dòng)駕駛領(lǐng)域中的核心感知算法，帶領(lǐng)學(xué)生進(jìn)行道路分割與車(chē)輛檢測實(shí)戰
課程安排：
1. 學(xué)習CityScape數據集
2. 使用語(yǔ)義分割經(jīng)典模型HRNet訓練道路分割模型并測試使用
3. 學(xué)習YOLO v8框架
4. 使用YOLO v8框架訓練車(chē)輛檢測模型并測試使用
階段七：AIGC火熱領(lǐng)域技術(shù)與項目-文本圖像生成&擴散模型等
7門(mén)課 /課程總時(shí)長(cháng)：16小時(shí)
第22周 【AIGC領(lǐng)域-火熱領(lǐng)域】生成對抗網(wǎng)絡(luò )GAN技術(shù)與項目實(shí)戰
本周學(xué)習生成對抗網(wǎng)絡(luò )模型的相關(guān)理論與實(shí)踐內容，帶領(lǐng)學(xué)生進(jìn)行GAN模型圖像生成實(shí)戰
課程安排：
1.掌握生成對抗網(wǎng)絡(luò )(GAN)原理
2.掌握生成對抗網(wǎng)絡(luò )(GAN)的優(yōu)化目標與評估指標
3.掌握生成對抗網(wǎng)絡(luò )(GAN)基本結構
4.掌握條件生成對抗網(wǎng)絡(luò )模型結構
5.掌握從零搭建DCGAN模型并實(shí)現訓練與測試的完整流程
第23周 【AIGC領(lǐng)域-火熱領(lǐng)域】擴散模型技術(shù)與項目實(shí)踐
本周學(xué)習擴散模型的相關(guān)理論與實(shí)踐內容，帶領(lǐng)學(xué)生進(jìn)行擴散模型圖像生成實(shí)戰
課程安排：
1.掌握擴散模型原理
2.掌握從零搭建擴散模型并實(shí)現訓練與測試的完整流程
3.掌握穩定擴散模型Stable Diffusion原理
4.了解Huggingface社區
5.學(xué)習使用Huggingface社區接口進(jìn)行擴散模型圖像生成
第24周 【AIGC領(lǐng)域-火熱領(lǐng)域】擴散模型圖像生成與編輯進(jìn)階
本周學(xué)習AIGC領(lǐng)域中基于擴散模型的圖像生成與編輯最新前沿技術(shù)，并實(shí)戰ControlNet的交互式圖像生成與編輯。
課程安排：
1.掌握ControlNet原理
2.掌握基于ControlNet的交互式圖像生成與編輯實(shí)戰
3.了解stable diffusion webui等工具
4.了解視頻生成工具M(jìn)oonvalley
階段八：NLP自然語(yǔ)言處理與LLM大語(yǔ)言模型應用實(shí)戰
16門(mén)課 /課程總時(shí)長(cháng)：40小時(shí)
第25周 探索自然語(yǔ)言處理與詞向量
通過(guò)介紹自然語(yǔ)言處理的歷史、發(fā)展和基本任務(wù)以及自然語(yǔ)言處理最基礎的分詞、詞向量，學(xué)習到自然語(yǔ)言處理解決什么問(wèn)題以及解決問(wèn)題最基本的方法。
課程安排：
1.自然語(yǔ)言處理發(fā)展歷史；
2.自然語(yǔ)言處理常見(jiàn)任務(wù)；
3.自然語(yǔ)言處理中的分詞；
4.自然與語(yǔ)言處理中的詞嵌入
第26周 NLP特征提取器：解鎖文本數據
通過(guò)介紹自然語(yǔ)言處理中主要的特征抽取器LSTM、CNN以及Transformer，掌握NLP中文本特征抽取的流程與主要方法
課程安排：
1.循環(huán)神經(jīng)網(wǎng)絡(luò )及LSTM；
2.NLP中的卷積神經(jīng)網(wǎng)絡(luò )CNN；
3.attention機制及Transformer；
4.LSTM與文本分類(lèi)；
5.膨脹卷積與命名實(shí)體識別
第27周 預訓練模型：NLP任務(wù)的顛覆性力量
通過(guò)介紹BERT、GPT等預訓練模型及其實(shí)戰，掌握NLP中主流的預訓練模型的結構，用法和差異，以及在實(shí)際場(chǎng)景中如何應用
課程安排：
1.預訓練模型BERT及非結構化數據信息抽取實(shí)戰；
2.GPT模型及生成式任務(wù)實(shí)戰；
第28周 AI大語(yǔ)言模型核心技術(shù)與實(shí)戰【火熱方向】
通過(guò)學(xué)習AI大語(yǔ)言模型的預訓練和微調理論，掌握大語(yǔ)言模型的分布式訓練方法；通過(guò)學(xué)習最新的大模型agent思想及框架，掌握大模型落地應用的方法；
課程安排：
1.大語(yǔ)言模型分布式預訓練；
2.分布式訓練框架deepspeed;
3.大模型有監督微調；
4.大模型高效參數微調lora;
5.langchain框架介紹
第29周 AI大語(yǔ)言模型進(jìn)階與實(shí)戰【火熱方向】
通過(guò)學(xué)習常見(jiàn)的開(kāi)源大語(yǔ)言模型，掌握常見(jiàn)大語(yǔ)言模型的差異和使用方法；通過(guò)學(xué)習人類(lèi)反饋式強化學(xué)習的方法，掌握大模型引入人類(lèi)反饋的技術(shù)。
課程安排：
1.Llama，chatglm等大模型介紹；
2.RLHF中的獎勵模型；
3.RLHF中的PPO算法；
4.基于大模型構建智能客服系統
第30周 搜索與推薦：NLP在實(shí)際場(chǎng)景中的應用
通過(guò)學(xué)習搜索和推薦中的召回和排序算法，掌握在搜索和推薦體系中如何應用NLP模型。
課程安排：
1.搜索和推薦常見(jiàn)架構介紹；
2.基于Faiss的item召回算法；
3.基于wide&deep模型的點(diǎn)擊率預估模型排序算法
階段九：AI工程師入行&轉化&就業(yè)&面試指導
1門(mén)課 /課程總時(shí)長(cháng)：3小時(shí)
第31周 AI工程師入行&轉行&就業(yè)&面試指導
本周給大家進(jìn)行AI工程師入行與面試相關(guān)的指導，了解公司對AI算法工業(yè)者的能力要求，掌握更高效率的學(xué)術(shù)前沿知識獲取方法，提高項目完整度與面試成功率。
課程安排：
1. 如何在簡(jiǎn)歷中寫(xiě)好項目經(jīng)歷
2. 如何提升編程能力與算法能力
3. 常見(jiàn)的一些面試筆試問(wèn)題
4. 如何保持學(xué)習，了解前沿技術(shù)
