课程介绍
这是一套按阶段推进的 Python 人工智能体系课，版本为 V6.5 AI版。前两个阶段打基础：先用 Linux 常用命令、MySQL 单表与多表查询和窗口函数搭好环境与数据功底，再系统学习 Python 语法、容器类型、函数与异常、PyMySQL，进阶部分覆盖面向对象、闭包与装饰器、网络编程、多进程与多线程、生成器、正则表达式，以及时间复杂度、链表、冒泡/选择/快速排序、二分查找和树的遍历，并用面向对象版学生管理系统把知识串起来。
数据处理与统计分析阶段围绕 Anaconda、Jupyter Notebook 和 Pandas 展开，讲 Series 与 DataFrame 的常用操作、apply 函数与分组聚合、Matplotlib 与 Pandas 可视化，最后落到 RFM 会员价值度模型案例。机器学习阶段依次讲 KNN、线性回归与梯度下降、逻辑回归与混淆矩阵、ROC/AUC 等评估方法、决策树、随机森林/Adaboost/GBDT、朴素贝叶斯、PCA 降维、K-means 聚类和 SVM，配有鸢尾花、波士顿房价、客户流失等案例。金融风控阶段用规则挖掘、toad 分箱与 WOE 编码、多特征筛选、逻辑回归评分卡、LightGBM 和 SMOTE 等样本不均衡处理完成信贷风控建模。
深度学习与 NLP 部分从 PyTorch 张量、自动微分、前向与反向传播讲到 CNN 图像分类和 RNN 歌词生成，再深入 jieba 分词、fasttext 词向量、LSTM/GRU、带注意力机制的 seq2seq 英译法，以及 Transformer 编码器与解码器的逐层实现，并用 AutoModel 完成完形填空、阅读理解、NER 等任务。知识图谱阶段覆盖 doccano 标注、LSTM-CRF 实体识别、关系抽取和 Cypher 图数据库操作。
大模型阶段讲 GPT、GLM、LLaMa 等模型结构，Prompt 设计、PET、P-Tuning、Prefix、Adapter、LoRA 等微调方法和对应项目，以及 Langchain、RAG、向量库检索、Function Call 与 Agent 开发，并介绍讯飞星火、百度千帆、阿里百炼与 PAI 等大模型平台。附带的扩展阶段包括投满分文本分类项目（fasttext、BERT、模型蒸馏与部署）、OpenCV 计算机视觉系列、人脸检测与识别项目，以及基于 YOLOv8、DeepSORT 和卡尔曼滤波的智慧交通车流量统计与车道线检测。
课程目录
第一阶段 Python基础（Linux、MySQL 与 Python 语法）
Day01 Linux基础：计算机初识、Linux系统简介、如何安装Vmware软件
Day02 Linux基础：Linux命令-管道-过滤-统计、Linux命令-vi编辑器(重点)、Linux命令-如何修改IP地址
day01 Mysql基础：数据库-概述、数据库-环境搭建
day02 Mysql查询：约束-主键约束详解、约束-单表约束详解
day03 Mysql多表查询：多表建表-一对多-代码实现、多表查询-交叉查询
day04 窗口函数+练习题
Python基础 day01：Python语言介绍、Python环境搭建
day02：if语句-单分支、比较运算符和逻辑运算符
day03：for循环-99乘法表、循环控制跳转语句-break和continue
day04–day05：列表-遍历、集合-入门、列表推导式详解
day06：函数参数-位置参数、函数参数-关键字参数、函数参数-缺省参数
day07：异常-捕获指定异常、异常-完整格式
day08：PyMysql-入门、PyMysql-CURD操作
第二阶段 Python进阶
day01 面向对象基础：定义类和对象、self对象介绍、案例-烤地瓜
day02 面向对象高级：继承-多继承、封装-私有化属性、多态案例_战斗机、抽象类详解
day03 学生管理系统-深拷贝浅拷贝
day04 闭包和装饰器：闭包-nonlocal关键字、装饰器-可变参数
day05 网编和多线程：socket-入门、TCP流程分析、多进程-代码实现
day06 多线程_生成器：多线程-解决线程安全问题、多线程和多进程的区别
day07 正则表达式：生成器-yield关键字、正则表达式-分组详解
day08 算法和数据结构：时间复杂度计算、自定义代码模拟链表-创建节点类
day09 算法和数据结构：快速排序-代码实现、二分查找-递归版、模拟树形结构-遍历-广度优先
第三阶段 数据处理和统计分析
FinalShell-连接Linux虚拟机
Linux基础命令-grep和管道命令
权限管理命令-chmod
Linux-服务管理命令-systemctl
单表查询-分组查询
Anaconda-环境搭建
Jupyter Notebook-入门
创建DataFrame对象
DataFrame-聚合统计
apply函数-操作df对象
MatPlotlib-单变量-直方图
RFM案例-数据预处理
第四阶段 机器学习
day01 机器学习概述：机器学习算法分类、建模流程+线性回归案例demo
day02 KNN算法：距离度量、模型预处理-归一化
day03 线性回归：线性回归介绍、导数和矩阵
day04 线性回归+逻辑回归：梯度下降法案例、波士顿房价预测-正规方程法
day05 逻辑回归：逻辑回归案例-cancer预测、评估-混淆矩阵、ROC_AUC
day06 决策树：ID3决策树-信息增益、C4.5-信息增益率、CART决策树-案例
day07 集成学习：随机森林案例、adaboost案例-葡萄酒分类、GBDT思想
day08 朴素贝叶斯和特征降维+聚类K-means
day09 聚类kmeans算法+SVM
day10 总结+拓展
第五阶段 金融风控
信贷&风控介绍
风控术语名词
各阶段转化率表
规则挖掘案例介绍
toad库分箱案例-WOE编码
多特征筛选-递归特征消除
逻辑回归评分卡-模型报告
LightGBM思路梳理
样本不均衡-SMOTE案例流程说明
git分支介绍
第六阶段 深度学习基础
torch张量创建
自动微分
参数初始化
前向和反向的过程
卷积神经网络的构成
图像分类案例
歌词生成案例
第七阶段 自然语言处理+GPT
文本预处理的主要模块
jieba精确模式分词
fasttext训练词向量基础
添加N-gram特征的原理
LSTM模型内部结构分析
GRU模型架构原理解析
seq2seq文本翻译过程解析
带Attention的Encoder2Decoder
英译法案例基本介绍
位置编码器的代码实现
解码器的代码实现
fasttext实现文本分类未调优
AutoModel实现NER任务
中文完型填空模型训练
第八阶段 知识图谱
什么是知识图谱
doccano使用
CRF损失函数推导
lstm-crf搭建
关系抽取基本知识
基于规则实现RE
extract_obj_and_rel
创建节点关系
查询节点关系
第九阶段 大模型
神经网络的语言模型
GPT的网络结构
GPT2网络和训练
GLM的训练目标
LLaMa和Bloom
文本信息抽取提示词
PET微调方法
prefix微调
PET的项目架构
ptuning的数据处理
Langchain介绍
向量库构建和检索
Agent开发工具
第十阶段 开源大模型平台
讯飞：星火大模型介绍
百度：百度千帆
阿里：阿里百炼、阿里PAI
扩展阶段 投满分项目
数据分布分析
fasttext优化-分词
bert代码结构构建
模型蒸馏思想
textCNN介绍
模型部署
扩展阶段 计算机视觉（OpenCV）
OpenCV图像处理视频课程
OpenCV特征提取与检测实战视频课程
OpenCV级联分类器训练与使用实战教程课程
OpenCV图像分割实战视频教程
OpenCV视频分析与对象跟踪实战教程
OpenCV3.3深度神经网络(DNN)模块-应用视频教程
人工智能之OpenCV人脸识别案例实战视频教程
14个常用OpenCV+C++图像处理
OpenCV计算机视觉实战(Python版)
OpenCV & FFmpeg & Qt C++视频编辑器实战开发
深度学习CNN RNN等框架
扩展阶段 亿图人脸支付项目
人脸检测
人脸姿态
人脸多任务
人脸识别
扩展阶段 AI智慧交通项目实战
yoloV8
车流量统计：sort和deepsort算法、卡尔曼滤波
车道线检测：相机坐标系转换、相机较正方法
配套资料
Python基础-V6.5-AI版
Python进阶-V6.5-AI版
数据处理和统计分析-V6.5-AI版
机器学习-V6.5-AI版
金融风控-V6.5-AI版
深度学习基础-V6.5-AI版
NLP自然语言处理+GPT-V6.5-AI版
知识图谱-V6.5-AI版
大模型开发基础与项目-V6.5-AI版
多模态大模型项目-V6.5-AI版
