先弄清它解决什么工作场景
很多学过机器学习的人会遇到一个尴尬点：能跑通模型，但没法把模型变成别人能用的东西。你拿着写好的算法文件，业务方看不懂，前端调不了，最后只能停留在本地演示阶段。这门课解决的核心问题正是这个——把机器学习模型封装进 Web 框架，做成一个有页面、能交互、能接收数据并返回预测结果的应用。它不是单纯讲算法推导，也不是只讲怎么建网站，而是聚焦在“工程化落地”这个中间环节。对于想往算法工程师或全栈方向靠拢的转行者来说，这个环节往往是面试时最容易被追问的实操盲区。
适合什么基础以及建议先看哪几块
这门内容不适合零基础。你需要已经掌握 Python 基本语法，了解过数据处理，最好自己跑过简单的机器学习模型。资料前半部分在讲 Web 框架的基础，从环境安装到项目结构拆解。如果你之前完全没接触过后端开发，建议先把框架基础介绍、项目创建与启动这几块看完，弄懂请求是怎么从前端传到后端的。这部分讲得比较细，包括怎么引入静态资源和前端脚本，是后续把模型接进来的前置条件。不要跳过这些直接去看算法部分，否则在配置接口时会卡住。
学完能独立做什么以及资料怎么配合练习
学完之后，你应该能独立做一件具体的事：用 Django 搭一个 Web 应用，页面接收用户输入的特征数据，后端调用训练好的模型进行预测，再把结果返回页面展示。这相当于做了一个简化版的线上推理服务。练习时建议这样配合资料：先跟着视频把基础的图书管理案例跑通，理解数据的增删改查怎么走；然后自己找一个之前写过的简单模型，比如房价预测或文本分类，尝试把它挂到这个 Web 项目里。重点练的是接口对接和数据流转，而不是模型本身有多复杂。自己动手把预测结果从命令行挪到浏览器里，这就算把核心场景跑通了。
快速掌握人工智能机器学习算法的原理及部署应用
课程目录
* 01 Python Web基础介绍/
* 01 Web框架基础介绍.mp4 (12.07 MB), 08:38
* 02 Django框架的安装.mp4 (20.57 MB), 09:04
* 03 Django项目的创建.mp4 (5.71 MB), 04:43
* 04 Django项目的启动.mp4 (8.17 MB), 04:37
* 05 Django项目的详细介绍.mp4 (16.30 MB), 07:06
* 06 Django入门案例运行.mp4 (16.67 MB), 08:24
* 07 Django图书管理案例创建.mp4 (21.32 MB), 10:40
* 08 Django引入静态资源.mp4 (33.21 MB), 15:59
* 09 Django引入javascript的文件.mp4 (26.92 MB), 09:50
* 10 Django项目运行的流程.mp4 (13.67 MB), 05:13
* 02 Django的视图控制器/
* 01 视图控制器函数的定义.mp4 (24.02 MB), 13:20
* 02 接受GET请求的控制器函数.mp4 (14.47 MB), 06:15
* 03 接受客户端请求数据完成加法运算.mp4 (22.06 MB), 10:28
* 04 Restful风格的参数传递.mp4 (16.29 MB), 07:56
* 05 Restful url的实现.mp4 (13.92 MB), 07:09
* 06 POST参数请求的视图控制器函数.mp4 (15.45 MB), 07:46
* 07 欢迎界面的Form表单.mp4 (17.72 MB), 09:42
* 08 csrf_token验证的实现.mp4 (8.10 MB), 04:30
* 09 搜索页面创建和跳转.mp4 (11.03 MB), 05:21
* 10 搜索页面的From表单实现.mp4 (12.25 MB), 05:29
* 11 search搜所功能的实现.mp4 (14.69 MB), 06:09
* 12 get请求和post请求总结.mp4 (13.20 MB), 04:47
* 03 Django中Web的变量访问/
* 01 Web变量访问概述.mp4 (17.06 MB), 07:36
* 02 Django项目的创建和执行.mp4 (22.50 MB), 10:11
* 03 向cookie中写入数据.mp4 (23.79 MB), 10:19
* 04 从cookies中读取数据.mp4 (19.34 MB), 09:57
* 05 创建加密写入数据的页面.mp4 (12.38 MB), 06:19
* 06 向cookie中写入加密数据.mp4 (12.35 MB), 05:28
* 07 从cookies加密读取数据的页面创建.mp4 (13.43 MB), 06:32
* 08 获取cookies中的加密数据.mp4 (11.33 MB), 05:23
* 09 登录页面的搭建.mp4 (16.76 MB), 07:59
* 10 登录页面的跳转.mp4 (19.38 MB), 10:50
* 11 欢迎界面的搭建.mp4 (12.06 MB), 06:02
* 12 登录功能的实现.mp4 (23.01 MB), 10:25
* 13 Session的写入和读取.mp4 (24.60 MB), 10:02
* 14 登录和退出的用户信息处理.mp4 (22.21 MB), 09:55
* 15 用户退出的实现.mp4 (15.21 MB), 07:20
* 04 文件的上传和下载/
* 01 文件上传和下载的主页面搭建.mp4 (16.49 MB), 07:34
* 02 主页的跳转和视图实现.mp4 (14.28 MB), 06:24
* 03 文件上传页面的实现.mp4 (22.72 MB), 09:44
* 04 文件上传页面的get请求.mp4 (8.75 MB), 03:56
* 05 文件上传的目录创建.mp4 (15.88 MB), 05:33
* 06 文件上传功能的实现.mp4 (35.66 MB), 10:59
* 07 多文件上传页面的搭建.mp4 (17.47 MB), 07:57
* 08 多文件上传页面的跳转.mp4 (11.54 MB), 04:33
* 09 多文件上传的绝对路径.mp4 (20.05 MB), 07:14
* 10 多文件上传的具体实现.mp4 (28.15 MB), 08:50
* 11 图片上传的页面搭建.mp4 (10.65 MB), 05:37
* 12 图片上传实现页面跳转.mp4 (10.15 MB), 04:10
* 13 文件类型不正确的处理过程.mp4 (12.08 MB), 05:06
* 14 图片上传成功的异常处理.mp4 (26.53 MB), 09:03
* 15 图片回显的功能实现.mp4 (29.35 MB), 11:18
* 16 下载页面的搭建.mp4 (16.82 MB), 08:07
* 17 图片下载的实现.mp4 (14.43 MB), 06:10
* 18 4.18 文件下载的实现.mp4 (27.41 MB), 11:28
* 05 基于Linear Regression的医疗保险费用预测/
* 01 机器学习综合案例主页面搭建.mp4 (38.10 MB), 18:12
* 02 线性回归页面头部创建.mp4 (15.65 MB), 07:41
* 03 年龄和性别属性的创建.mp4 (14.22 MB), 07:08
* 04 线性回归模型的其他特征构建.mp4 (15.37 MB), 06:13
* 05 线性回归模型的具体实现过程.mp4 (17.67 MB), 07:22
* 06 线性回归模型的预测实现.mp4 (33.25 MB), 13:33
* 06 基于SVM算法的图像分类/
* 01 机器学习图像分类页面创建.mp4 (19.25 MB), 08:07
* 02 分类页面的上传功能的form表单.mp4 (12.67 MB), 05:46
* 03 图片预测的form表单.mp4 (14.10 MB), 06:19
* 04 图片上传预处理.mp4 (27.23 MB), 11:36
* 05 服务器上传绝对路径.mp4 (20.09 MB), 06:38
* 06 图片上传功能实现.mp4 (26.57 MB), 09:15
* 07 图片类别预测处理过程.mp4 (15.08 MB), 06:31
* 08 图片预测结果的实现.mp4 (13.44 MB), 04:21
* 09 图片预测结果的优化.mp4 (10.22 MB), 04:19
* 10 基于SVM图像分类的流程.mp4 (37.41 MB), 13:08
* 07 基于OpenCV的人脸识别和检测/
* 01 基于OpenCV的人脸识别主页面搭建.mp4 (10.46 MB), 05:24
* 02 人脸识别页面的form表单创建.mp4 (12.34 MB), 05:49
* 03 人脸识别的页面路由跳转.mp4 (13.61 MB), 05:52
* 04 人脸识别和检测的视图控制器函数.mp4 (48.23 MB), 17:58
* 05 OpenCV人脸识别分类器构建.mp4 (13.09 MB), 05:45
* 06 OpenCV中人脸检测和画图参数的含义.mp4 (10.91 MB), 05:07
* 08 基于Naive Bayes的中文文本分类/
* 01 基于机器学习算法的文本分类.mp4 (21.38 MB), 09:56
* 02 文本分类页面的创建.mp4 (22.00 MB), 09:06
* 03 文本分类结果预测.mp4 (30.38 MB), 13:06
