人工智能是当前乃至未来时代热门的技术之一,已在全球范围内掀起了研究与学习热潮。 本课程由传智研究院匠心打造,课程知识体系完备,从简明的python语言开始,到机器学习,再到AI的两大应用方向:计算机视觉(CV)和自然语言处理(NLP),几乎包含了当下AI就业市场的全部需求。同时,课程学习曲线设计平滑,根据学习者对知识的消化吸收情况,循序渐进增强自身的AI技能。
能够熟练掌握Python开发的通用技术和框架,具备人工智能领域内机器学习,深度学习,计算机视觉和自然语言处理业务分析及开发的能力,同时培养学生使用AI算法构建业务流的能力和针对特定算法进行实用化、拓展化的再创新能力,从而足以胜任算法工程师等相关AI职位。
自然语言处理(NLP)案例实战
输入为一张图片,输出该图片的说明描述文本。使用MSCOCO图像数据集,基于seq2seq的模型架构,编码器使用InceptionV3的迁移预训练模型,在此基础上进行微调,提取图像的表征。解码器使用带有attention机制的GRU模型,结合图片表征循环生成文本,其中包含多个工程技巧。
在线医生 在线医生是一款toC类型的应用, 以微信公众号为依托, 用户通过微信扫码与在线AI医生进行交流,通过循序渐进描述自己的症状, 在线医生将逐步确定病情,同时也支持部分的闲聊功能,提升用户
项目亮点: 1. 基于医疗知识图谱的实体检索技术。 2. 基于bert迁移学习的命名实体审核技术 3. 基于BiLSTM+CRF的命名实体识别技术 4. 基于微信公众号和flask的模型部署服务
.
├── 【 主学习路线】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/
├── 【 主学习路线】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/
├── 【 主学习路线】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/
├── 【 主学习路线】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/
├── 【 主学习路线】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/
│ ├── 1–第一章 Pytorch工具_v2.0/
│ ├── 10–第十章 迁移学习-v2.0/
│ ├── 11–第十一章 BERT,Transformer的模型架构与详解-v2.0/
│ ├── 12–第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0/
│ ├── 13–第十三章 HMM模型-v2.0/
│ ├── 14–第十四章 经典的序列模型-v2.0/
│ ├── 2–第二章 自然语言处理NLP介绍-v2.0/
│ ├── 3–第三章 文本预处理-v2.0/
│ ├── 4–第四章 RNN架构解析-v2.0/
│ ├── 5–第五章 RNN经典案例-v2.0/
│ ├── 6–第六章 莎士比亚风格的文本生成任务-v2.0/
│ ├── 7–第七章 Transformer背景介绍-v2.0/
│ ├── 8–第八章 Transformer架构解析-v2.0/
│ └── 9–第九章 fasttext工具的使用-v2.0/
├── 【 主学习路线】06、阶段六 人工智能项目实战/
│ ├── 1–第一章 智慧交通/
│ │ ├── 1–项目简介/
│ │ ├── 10–车流量统计/
│ │ ├── 11–相机校正/
│ │ ├── 12–相机校正和图像去畸变/
│ │ ├── 13–车道线提取/
│ │ ├── 14–透视变换/
│ │ ├── 15–车道线定位与拟合/
│ │ ├── 16–车道曲率与车辆偏离中心线距离/
│ │ ├── 17–在视频中进行车道线检测/
│ │ ├── 18–SIamese网络系列(选学)/
│ │ ├── 19–跟踪效果(选学)/
│ │ ├── 2–算法原理/
│ │ ├── 20–数据集处理(选学)/
│ │ ├── 21–网络模型搭建(选学)/
│ │ ├── 22–网络模型训练(选学)/
│ │ ├── 23–网络模型测试(选学)/
│ │ ├── 24–网络模型应用(选学)/
│ │ ├── 3–多目标跟踪/
│ │ ├── 4–辅助功能/
│ │ ├── 5–卡尔曼滤波/
│ │ ├── 6–匈牙利算法/
│ │ ├── 7–数据关联/
│ │ ├── 8–SORT/
│ │ └── 9–目标检测/
│ ├── 2–第二章 在线医生/
│ │ ├── 1–背景介绍/
│ │ ├── 10–结构化数据流水线/
│ │ ├── 11–非结构化数据流水线/
│ │ ├── 12–任务介绍与模型选用/
│ │ ├── 13–训练数据集/
│ │ ├── 14–BERT中文预训练模型/
│ │ ├── 15–构建RNN模型/
│ │ ├── 16–进行模型训练/
│ │ ├── 17–NE模型使用/
│ │ ├── 18–命名实体识别介绍/
│ │ ├── 19–BiLSTM介绍/
│ │ ├── 2–Unit对话API使用/
│ │ ├── 20–CRF介绍/
│ │ ├── 21–BiLSTM+CRF模型/
│ │ ├── 22–模型训练/
│ │ ├── 23–模型使用/
│ │ ├── 24–在线部分简要分析/
│ │ ├── 25–werobot服务构建/
│ │ ├── 26–主要逻辑服务/
│ │ ├── 27–任务介绍与模型选用及训练数据集/
│ │ ├── 28–BERT中文预训练模型1/
│ │ ├── 29–微调模型/
│ │ ├── 3–在线医生的总体架构/
│ │ ├── 30–进行模型训练1/
│ │ ├── 31–模型部署/
│ │ ├── 32–系统联调与测试/
│ │ ├── 4–总体架构中的工具介绍/
│ │ ├── 5–neo4j简介/
│ │ ├── 6–neo4j图数据库的安装/
│ │ ├── 7–Cypher介绍与使用/
│ │ ├── 8–在Python中使用neo4j/
│ │ └── 9–离线部分简要分析/
│ ├── 3–第三章 智能文本分类系统/
│ │ ├── 1–整体系统搭建/
│ │ ├── 2–构建标签词汇图谱/
│ │ ├── 3–特征工程和fasttext模型训练/
│ │ ├── 4–多模型训练和预测/
│ │ ├── 5–系统联调和测试/
│ │ ├── 6–泛娱乐推荐介绍/
│ │ ├── 7–召回模块/
│ │ └── 8–排序模块/
│ └── 4–第四章 实时人脸识别检测项目/
│ ├── 1–人脸识别/
│ ├── 2–口罩检测/
│ ├── 3–Dlib模型训练/
│ ├── 4–活体检测/
│ └── 5–属性识别/
├── 【 主学习路线】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/
├── 【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/
│ ├── 第一章 1-HR面试技巧/
│ ├── 第三章 3-面试篇/
│ ├── 第二章 2-求职篇/
│ └── 第四章 4-试用期篇/
├── 【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】03、阶段三 赠送-文本摘要项目/
│ └── 第一章 1-文本摘要项目/
│ ├── 0-1 文本摘要项项目背景介绍/
│ ├── 0-10 模型的预测/
│ ├── 0-11 词向量的单独训练/
│ ├── 0-12 模型的优化/
│ ├── 0-13 PGN架构/
│ ├── 0-14 数据预处理/
│ ├── 0-15 PGN数据特殊性分析/
│ ├── 0-16 迭代器和类的实现/
│ ├── 0-17 PGN模型的搭建/
│ ├── 0-18 PGN模型训练/
│ ├── 0-19 PGN模型预测/
│ ├── 0-2 项目中的数据集初探/
│ ├── 0-20 评估方法介绍/
│ ├── 0-21 BLEU算法理论/
│ ├── 0-22 ROUGE算法理论/
│ ├── 0-23 ROUGE算法实现/
│ ├── 0-24 coverage机制原理/
│ ├── 0-25 coverage模型类实现/
│ ├── 0-26 coverage训练和预测/
│ ├── 0-27 Beam-search原理介绍/
│ ├── 0-28 Beam-search模型类实现/
│ ├── 0-29 TF-IDF算法原理和实现/
│ ├── 0-3 TextRank算法理论基础/
│ ├── 0-30 单词替换法的类实现/
│ ├── 0-31 单词替换法的训练和评估/
│ ├── 0-32 回译数据法实现和评估/
│ ├── 0-33 半监督学习法原理和实现/
│ ├── 0-34 训练策略原理和实现/
│ ├── 0-35 模型转移实现/
│ ├── 0-36 GPU优化原理和实现/
│ ├── 0-37 CPU优化原理和实现/
│ ├── 0-38 Flask实现模型部署/
│ ├── 0-4 TextRank算法实现模型/
│ ├── 0-5 seq2seq架构/
│ ├── 0-6 seq3seq架构/
│ ├── 0-7 工具函数的实现/
│ ├── 0-8 模型类的搭建/
│ └── 0-9 模型的训练/
├── 【课外拓展】04、阶段四 入学第一课/
│ └── 无课程相关内容/
├── 【课外拓展】05、阶段五 阶段一 python基础(更新)/
│ ├── 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/
│ └── 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/
├── 【课外拓展】06、阶段六 阶段二 Python高级(更新)/
│ ├── 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)/
│ ├── 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/
├── 【课外拓展】07、阶段七 阶段三 机器学习(更新)/
│ ├── 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/
│ └── 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)/
├── 【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】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/
├── 【课外拓展】10、阶段十 CV基础+项目(更新)/
│ └── 【课外拓展】10、阶段十 CV基础+项目(更新)/
│ ├── 第一章 1-Pytorch与深度学习基础/
│ ├── 第三章 3-01 – 目标检测/
│ ├── 第二章 2-深度学习核心模型与实战/
│ ├── 第五章 5-03 – 人脸支付/
│ ├── 第六章 6-04 – 智慧交通/
│ └── 第四章 4-02 – OpenCV/
└── 资料课件/