课程名称：黑马AI就业班 - 人工智能Python视频 NLP机器视觉课程 CV自然语言
课程简介
本课程是一套系统化、企业级的人工智能就业班课程，涵盖Python基础编程、Python进阶编程、数据处理与统计分析、机器学习、深度学习、自然语言处理（NLP）、计算机视觉（CV）、金融风控、AI医疗、知识图谱、大模型、人脸支付、智慧交通等核心技术栈。课程总计16个阶段，从零基础入门到企业级项目实战，助力学员成为AI领域的专业人才。
课程内容详情（共16个阶段）
阶段1：Python基础编程（8天）
| 天数 | 核心内容 |
|---|
| day01 | 计算机基础、Python环境搭建、变量、数据类型、输入输出、类型转换 |
| day02 | 运算符、分支语句、循环语句、猜拳游戏、三目运算符 |
| day03 | while循环、for循环、循环嵌套、break/continue、猜数游戏 |
| day04 | 字符串操作、切片、列表基础操作 |
| day05 | 列表高级操作、元组、集合、字典、容器公共方法 |
| day06 | 函数定义、参数、返回值、作用域、global关键字 |
| day07 | lambda表达式、递归、文件操作、os模块 |
| day08 | 异常处理、模块与包、学生管理系统实战 |
阶段2：Python编程进阶（9天）
| 天数 | 核心内容 |
|---|
| day01 | 面向对象基础：类与对象、self、init方法、魔法方法 |
| day02 | 面向对象高级：继承、多态、私有属性、类方法、静态方法 |
| day03 | 学生管理系统（文件版）+ 深拷贝与浅拷贝 |
| day04 | 闭包、装饰器、网络基础（IP/端口/协议/TCP三次握手） |
| day05 | TCP Socket编程、多进程编程 |
| day06 | 多线程编程、线程锁、死锁、生成器、上下文管理器 |
| day07 | 正则表达式、时间复杂度与空间复杂度、顺序表与链表 |
| day08 | 链表实现、冒泡排序、选择排序、插入排序、快速排序 |
| day09 | 二分查找、树与二叉树、广度优先/深度优先遍历 |
阶段3：数据处理与统计分析（10天）
| 天数 | 核心内容 |
|---|
| day01 | Linux基础命令、目录结构、文件操作、vi编辑器、权限管理 |
| day02 | Linux高级命令、MySQL基础、DDL/DML操作 |
| day03 | SQL查询：DQL、多表查询、子查询、自连接、报表练习 |
| day04 | 窗口函数、NumPy基础、Pandas入门（Series/DataFrame） |
| day05 | Pandas高级：布尔索引、数据加载保存、分组聚合 |
| day06 | 数据合并（concat/merge/join）、缺失值处理、apply方法 |
| day07 | 分组转换、分组过滤、数据透视表、会员分析 |
| day08 | Pandas日期处理、Matplotlib可视化、Seaborn可视化 |
| day09 | RFM模型实战、数据可视化综合 |
| day10 | App Store数据分析、优衣库销售数据分析 |
阶段4：机器学习与多场景项目实战（9大模块）
| 模块 | 核心内容 |
|---|
| 01-机器学习概述 | AI/ML/DL概念、算法分类、建模流程、特征工程 |
| 02-KNN算法 | KNN原理、距离度量、特征预处理、网格搜索、手写数字识别 |
| 03-线性回归 | 正规方程、梯度下降、波士顿房价预测、过拟合/欠拟合 |
| 04-逻辑回归 | Sigmoid函数、损失函数、癌症分类、ROC/AUC、客户流失预测 |
| 05-决策树 | ID3/C4.5/CART、信息增益、剪枝方法 |
| 06-集成学习 | 随机森林、AdaBoost、GBDT、XGBoost、泰坦尼克号预测 |
| 07-朴素贝叶斯 | 贝叶斯原理、情感分析、PCA降维 |
| 08-KMeans聚类 | KMeans原理、肘部法、轮廓系数、顾客聚类 |
| 09-SVM支持向量机 | SVM原理、核函数、参数调优 |
阶段5：金融风控项目与数据挖掘（7天+实战）
| 天数 | 核心内容 |
|---|
| day01 | 信贷业务介绍、风控指标计算（入催率/回收率）、风控报表 |
| day02 | Vintage报表、建模流程、Y标签设计、观察期/表现期 |
| day03 | 特征构造（时序特征）、卡方分箱、WOE编码、特征筛选 |
| day04 | 多特征筛选（Boruta/VIF/RFE/L1）、逻辑回归评分卡 |
| day05 | LightGBM原理（直方图/GOSS/EFB）、LightGBM评分卡 |
| day06 | Toad框架、样本不均衡（SMOTE）、异常检测（LOF/孤立森林） |
| day07 | 拒绝推断、SHAP可解释性、GBDT特征衍生 |
| 实战 | 项目答辩 + Git版本控制 |
阶段6：深度学习基础
| 模块 | 核心内容 |
|---|
| 00-深度学习简介 | 深度学习概述、应用领域 |
| 01-PyTorch框架 | 张量创建、运算、索引、形状操作、自动微分 |
| 02-神经网络 | 激活函数、参数初始化、损失函数、优化器、正则化、BatchNorm |
| 03-CNN | 卷积计算、池化层、图像分类实战 |
| 04-RNN | 词嵌入、RNN原理、文本分类实战 |
阶段7：自然语言处理基础（11天）
| 天数 | 核心内容 |
|---|
| day01 | NLP概述、jieba分词、one-hot编码、Word2Vec、FastText |
| day02 | 文本数据分析（词云/N-gram）、RNN API详解 |
| day03 | LSTM/GRU原理、人名分类器实战 |
| day04 | 注意力机制、Seq2Seq架构 |
| day05 | Seq2Seq翻译案例、Teacher Forcing |
| day06 | Transformer架构详解（位置编码/自注意力/多头注意力） |
| day07 | Transformer代码实现（编码器/解码器） |
| day08 | FastText分类、层次Softmax、负采样 |
| day09 | 迁移学习、HuggingFace Transformers、Pipeline |
| day10 | BERT微调实战（文本分类/Mask任务/NSP任务） |
| day11 | BERT/ELMo/GPT模型对比、GLUE/CLUE榜单 |
阶段8：AI医疗项目实战（7天+模型部署）
| 天数 | 核心内容 |
|---|
| day01 | AI医生背景、Unit API、Neo4j图数据库、Cypher语法 |
| day02 | 结构化/非结构化数据处理、NER模型训练 |
| day03 | 隐马尔可夫模型（HMM）、维特比算法 |
| day04 | CRF、BiLSTM+CRF模型 |
| day05 | NER模型完整实现 |
| day06 | 模型评估、WeRobot微信接入 |
| day07 | 项目联调部署 |
| 模型部署 | Flask服务封装、Docker容器部署 |
阶段9：算法初识（35节）
| 分类 | 核心内容 |
|---|
| 排序算法 | 冒泡/选择/插入/快速排序回顾 |
| 数组问题 | 移动0、移除元素、删除重复项、对撞指针、滑动窗口 |
| 字符串问题 | 双指针、滑动窗口、字典辅助 |
| 查找问题 | 数组交集、同构字符串、两数之和 |
| 链表问题 | 反转链表、链表操作 |
| 栈与队列 | 有效括号、最小栈、滑动窗口最大值 |
| 递归与树 | 二叉树遍历、最大深度、路径总和 |
| 回溯算法 | 数字全排列、电话号码组合 |
| 动态规划 | DP入门、经典DP问题 |
| 贪心算法 | 贪心思想与应用 |
阶段10：投满分项目V4（6天）
| 天数 | 核心内容 |
|---|
| day01 | 项目背景、数据分布分析、FastText模型 |
| day02 | FastText优化、模型部署、BERT数据准备 |
| day03 | BERT模型训练、评估、预测、量化 |
| day04 | 模型蒸馏、TextCNN实践 |
| day05 | 剪枝技术（结构化剪枝/全局剪枝/自定义剪枝） |
| day06 | 面试问题、项目串讲 |
阶段11：红蜘蛛知识图谱项目（8天）
| 天数 | 核心内容 |
|---|
| day01 | BERT/Albert/RoBerta/MacBERT源码分析 |
| day02 | NER问题、IDCNN+CRF、FLAT模型 |
| day03 | XLNet/Electra/FinBERT/K-BERT/KG-BERT |
| day04 | Multi-Head-Selection、事件抽取 |
| day05 | 图数据库写入、问答系统实现、项目上线 |
| day06 | 功能优化、GPT-2优化、意图识别升级 |
| day07 | 意图识别V2.0、ONNX加速、知识补全 |
| day08 | 大厂预训练模型、面试题总结、项目回顾 |
阶段12：ChatGPT与大模型（4天）
| 天数 | 核心内容 |
|---|
| day01 | 大模型背景、N-Gram、Transformer、BERT/GPT/T5架构 |
| day02 | ChatGPT原理、GPT2/3、RLHF、ChatGLM、LLaMA、BLOOM |
| day03 | Prompt-Tuning、P-Tuning、Prefix-Tuning、Adapter、LoRA |
| day04 | LangChain应用（ChatModels/Prompt/Chain/Agent/Memory/RAG） |
阶段13：计算机视觉（赠送CV课程）
| 模块 | 核心内容 |
|---|
| 01 | OpenCV图像处理（课件+源码） |
| 02 | OpenCV特征提取与检测 |
| 03 | OpenCV图像处理小案例实战 |
| 04 | OpenCV级联分类器训练 |
| 05 | OpenCV图像分割 |
| 06 | OpenCV视频分析与对象跟踪 |
| 07 | OpenCV DNN模块应用 |
| 08 | OpenCV人脸识别案例 |
| 09 | 14个常用OpenCV+C++图像处理 |
| 10 | OpenCV计算机视觉实战(Python版) |
| 11 | OpenCV & FFmpeg & Qt视频编辑器 |
| 12 | 深度学习CNN/RNN框架 |
| 13-15 | Opencv资料、安装包、工具箱 |
阶段14：亿图人脸支付项目（4天）
| 天数 | 核心内容 |
|---|
| 01 | 人脸检测：数据集、模型构建、训练策略 |
| 02 | 人脸姿态：数据增强、模型训练与预测 |
| 03 | 人脸多任务：数据加载、ArcFace |
| 04 | 人脸识别：模型集成、人脸矫正、属性获取、模型部署 |
阶段15：AI智慧交通项目实战（4天）
| 天数 | 核心内容 |
|---|
| 01 | OpenCV基础：图像读写、几何绘制、边缘检测 |
| 02 | YOLOv8：目标检测、Streamlit可视化 |
| 03 | 车流量统计：多目标跟踪（SORT/DeepSORT）、卡尔曼滤波 |
| 04 | 车道线检测：相机标定、图像去畸变、车道线拟合 |
阶段16：串讲 + 赠品
| 模块 | 核心内容 |
|---|
| AI模型部署 | 模型部署17期课程 |
| AI关系抽取项目 | Pipeline方式、Joint方式、Casrel模型、Neo4j图数据库 |
技术栈全景图
| 分类 | 技术 |
|---|
| 编程语言 | Python、SQL |
| 操作系统 | Linux |
| 数据库 | MySQL、Neo4j |
| 数据处理 | NumPy、Pandas、Matplotlib、Seaborn |
| 机器学习 | Scikit-learn（KNN/线性回归/逻辑回归/决策树/集成学习/聚类/SVM） |
| 深度学习 | PyTorch、CNN、RNN/LSTM/GRU、Attention、Transformer |
| 自然语言处理 | jieba、Word2Vec、FastText、BERT、GPT、HuggingFace、LangChain |
| 计算机视觉 | OpenCV、YOLOv8、人脸检测/识别 |
| 大模型 | ChatGPT、ChatGLM、LLaMA、Prompt-Tuning、LoRA |
| 模型部署 | Flask、Docker、ONNX |
| 版本控制 | Git |
实战项目清单
| 项目名称 | 技术栈 |
|---|
| 学生管理系统 | Python基础 |
| 鸢尾花分类 | KNN |
| 波士顿房价预测 | 线性回归 |
| 手写数字识别 | KNN/CNN |
| 泰坦尼克号预测 | 集成学习 |
| 金融风控评分卡 | LightGBM/逻辑回归 |
| AI在线医生 | NER/Neo4j/Flask |
| 投满分文本分类 | FastText/BERT/模型蒸馏/剪枝 |
| 红蜘蛛知识图谱 | BERT/IDCNN+CRF/Neo4j |
| 人脸支付 | 人脸检测/识别/ArcFace |
| 智慧交通 | YOLOv8/DeepSORT/车道线检测 |
| AI关系抽取 | BiLSTM+Attention/Casrel |
课程特点
- ✅ 系统完整：16个阶段，从零基础到企业级项目
- ✅ 双方向覆盖：NLP自然语言处理 + CV计算机视觉
- ✅ 大模型前沿：ChatGPT原理、LangChain、LoRA微调
- ✅ 项目驱动：金融风控、AI医疗、知识图谱、人脸支付、智慧交通
- ✅ 算法强化：35节算法刷题课程
- ✅ CV赠送：完整的OpenCV视频教程体系
学习建议
| 阶段 | 学习周期 | 学习内容 |
|---|
| 第1-3周 | 阶段1-2 | Python基础与进阶 |
| 第4-5周 | 阶段3 | 数据处理与SQL |
| 第6-8周 | 阶段4 | 机器学习算法 |
| 第9-10周 | 阶段5 | 金融风控项目 |
| 第11-13周 | 阶段6-7 | 深度学习与NLP |
| 第14-15周 | 阶段8 | AI医疗项目 |
| 第16周 | 阶段9 | 算法刷题 |
| 第17-18周 | 阶段10-11 | 投满分 + 知识图谱项目 |
| 第19周 | 阶段12 | 大模型与LangChain |
| 第20-22周 | 阶段13-15 | CV + 人脸支付 + 智慧交通 |
如果您需要我继续调整格式或补充其他内容，请告诉我！
本回答由 AI 生成，内容仅供参考，请仔细甄别。
