课程简介
本课程由卢菁博士精心设计，全面覆盖人工智能核心领域，包括深度学习基础、自然语言处理（NLP）、生成对抗网络（GAN）、推荐系统和计算机视觉等关键技术。课程从距离计算、线性回归等基础概念入手，逐步深入讲解BERT、GPT系列模型、T5、扩散学习等前沿技术，并结合实战项目如以图搜图、文本分类、乳腺癌识别和聊天机器人开发。学员将掌握特征选择、正则化、集成学习、XGBoost等高级方法，以及大模型训练和AIGC应用。通过手写代码和项目实训，提升解决实际问题的能力，适合有一定基础的开发者系统化进阶。
下载地址课程目录
01 机器学习基础
第1-10节：距离、向量数据库、线性回归、逻辑回归、特征选择、正则化、过拟合、树模型等基础算法。
02 集成学习与优化
第6-10节：Dropout、模型集成、GBDT、XGBoost等集成学习与优化技术。
03 图像处理实战
第11-13节：以图搜图、ResNet实战、GAN模型原理与实战。
04 生成模型进阶
第13-16节：GAN数学原理、推土机距离、WGan、AIGC与扩散学习。
05 NLP模型系列
第17-21节：NLP发展、BERT、GPT、T5模型及文本分类实战。
06 文本应用实战
第20-23节：HuggingFace文本分类、文本纠错、智能摘要、关键词提取。
07 零样本与聊天机器人
第22-24节：零样本学习、小样本学习、聊天机器人、ChatGPT技术。
08 图像识别项目
第26-29节：乳腺癌识别原理、代码实战、迁移学习、图像分类。
09 大模型与推荐系统
第30-35节：大模型训练、ChatGPT影响、推荐系统概述、召回、排序。
10 推荐系统进阶
第32-37节：推荐系统召回、AB测试、排序、内容分类与打标。
--- 点击展开详细目录 ---PART1
- 🎬 01_1.距离精讲-.mp4
- 🎬 02_2.向量数据库基础-.mp4
- 🎬 03_3.Annoy原理和手写线性回归-.mp4
- 🎬 04_4.逻辑回归的分类间隔，线性不可分问题，FM模型-.mp4
- 🎬 05_5.特征选择和正则化-.mp4
- 🎬 06_6.Dropout技术，模型集成，多分类和多标签-.mp4
- 🎬 07_7.过拟合、欠拟合，树模型-.mp4
- 🎬 08_8.ID3，C4.5，Cart树-.mp4
- 🎬 09_9.集成学习，dropout，GBDT-.mp4
- 🎬 10_10.GBDT和XGboost-.mp4
- 🎬 11_11实战项目以图搜图-resnet-.mp4
- 🎬 12_12以图搜图-.mp4
- 🎬 13_13.GAN模型的原理和实战-.mp4
- 🎬 14_14.GAN模型背后的数学原理以及训练技巧-.mp4
- 🎬 15_15.推土机距离和WGan-.mp4
- 🎬 16_16.AIGC和扩散学习-.mp4
- 🎬 17_17.NLP系列1：NLP发展脉络和BERT模型-.mp4
- 🎬 18_18.NLP系列2：Bert的改良版本和T5模型-.mp4
- 🎬 19_19.NLP系列3：GPT系列模型-.mp4
- 🎬 20_20.项目实战：huggingface和文本分类-.mp4
- 🎬 21_21实战项目：文本纠错和Bart模型-.mp4
PART2
- 🎬 22_22零样本学习和小样本学习-.mp4
- 🎬 23_23.智能文本摘要和关键词提取-.mp4
- 🎬 24_24聊天机器人和chatgpt-.mp4
- 🎬 25_25，目标检测yolo和transformer-.mp4
- 🎬 26_乳腺癌识别项目1-图像识别的原理-.mp4
- 🎬 27_乳腺癌识别项目2-图像分类的代码实战-.mp4
- 🎬 28_乳腺癌识别项目3-图像识别新方法之迁移学习-.mp4
- 🎬 29_乳腺癌识别项目4-乳腺癌识别代码实战-.mp4
- 🎬 30_大模型训练为什么这么难-.mp4
- 🎬 31_ChatGPT的技术发展路径和带来的影响-.mp4
- 🎬 32_推荐系统1：推荐系统概述-.mp4
- 🎬 33_推荐系统2：召回环节-.mp4
- 🎬 34_推荐系统3：召回和AB测试-.mp4
- 🎬 35_推荐系统4：排序（上）-.mp4
- 🎬 37_推荐系统6：内容分类和打标-.mp4
| 
发表于 2025-10-5 13:58:41
|
查看: 58|
回复: 0
