先判断：这门算法课值不值得你花时间

这套人工智能算法资料，核心解决的是“懂点理论但写不出工业级代码”的断层问题。很多上班族和转行者看过几节公开课，知道什么是监督学习，但真遇到实际业务场景，比如处理一份脏数据做特征工程、或者把模型工程化落地，往往无从下手。这门资料的设计逻辑就是补上这一环，它不是单纯念公式，而是带你走通从数据清洗、特征构建到模型训练的完整链路。如果你指望看两眼就能去投递高级算法岗，这不现实；但如果你想在现有开发或数据分析基础上，增加硬核的算法项目经验，这套内容值得拆解。

怎么用：按基础对号入座，别从头硬啃

这套资料适合有一定逻辑思维、但 Python 或算法底子不牢的人。如果你完全没写过代码，建议先放慢节奏，把前三章的基础吃透。建议优先看这几个部分：首先是 Python 基本语法，这是后续所有实操的地基，别跳过；接着是 Pandas 数据分析，这部分直接对应工业界最频繁的数据预处理场景，非常实用；然后再进入机器学习从零到一的核心理论。不要被庞大的体系吓倒，与其追求看完所有视频，不如把这几个关键模块的代码自己敲一遍。资料里的每个知识点都配有对应的实战项目，看视频的同时，必须打开编辑器跟着跑通代码，遇到报错先自己查文档，这是建立肌肉记忆的唯一途径。

学完能独立做什么

踏实走完这套流程后，你能独立完成一个标准的数据建模任务。具体来说，给你一份原始的业务数据，你能用 Python 和 Pandas 做清洗、缺失值处理和特征提取；能根据具体场景选择合适的机器学习模型，完成训练、调参和评估；并且能把这套流程写成规范的代码，而不是停留在 Jupyter Notebook 的草稿状态。对于转行者，这些工业级项目经验能直接作为简历上的实质性内容，在面试中经得起技术官对底层逻辑和工程细节的追问。不需要背概念，重点是能讲清楚每个项目里数据怎么流转、模型为什么这么选、遇到过什么坑以及怎么解决。带着这种务实的目标去用这份资料，才算没白花时间。


项目全面升级，零基础掌握16+2工业级项目，通过实战深入学习人工智能算法及工业化流程，快速提升简历，斩获心仪offer，体验工业级项目流程，简历快速镀金，系统性理论讲解，全面搭建人工智能知识体系

课程目录

*   01 第一章【视频】机器学习从0到1 Introduction to Machine Learning/

  *   01 第一章【视频】机器学习从0到1 Introduction to Machine Learning (216.53 MB)

*   02 第二章【视频】机器学习Python Data Analysis - Pandas/

  *   02 第二章【视频】机器学习Python Data Analysis - Pandas (274.57 MB)

*   03 第三章【视频】Python 基本语法基础 Introduction to Python I/

  *   03 第三章【视频】Python 基本语法基础 Introduction to Python I (395.10 MB)

*   04 第四章【视频】机器学习KNN算法入门（ Machine Learning - KNN algorithm）/

  *   04 第四章【视频】机器学习KNN算法入门（ Machine Learning - KNN algorithm） (204.62 MB)

*   05 第五章【视频】Python 基本语法基础 Introduction to Python II/

  *   05 第五章【视频】Python 基本语法基础 Introduction to Python II (285.80 MB)

*   06 第六章【视频】机器学习 Python Data Analysis- Numpy Matplotlib/

  *   06 第六章【视频】机器学习 Python Data Analysis- Numpy Matplotlib (323.12 MB)

*   07 第七章【视频】Python面向对象、第三方库等介绍 Python - OOD/

  *   07 第七章【视频】Python面向对象、第三方库等介绍 Python - OOD (279.51 MB)

*   08 第八章【视频】线性回归 Linear Regression/

  *   08 第八章【视频】线性回归 Linear Regression (223.32 MB)

*   09 第九章【视频】朴素贝叶斯I-Naive Bayes 1/

  *   09 第九章【视频】朴素贝叶斯I-Naive Bayes 1 (362.21 MB)

*   10 第十章【视频】朴素贝叶斯II-Naive Bayes 2/

  *   10 第十章【视频】朴素贝叶斯II-Naive Bayes 2 (406.57 MB)

*   11 第十一章【视频】逻辑斯蒂回归I-Logistic Regression I/

  *   11 第十一章【视频】逻辑斯蒂回归I-Logistic Regression I (254.30 MB)

*   12 第十二章【视频】逻辑斯蒂回归II-Logistic Regression II/

  *   12 第十二章【视频】逻辑斯蒂回归II-Logistic Regression II (258.33 MB)

*   13 第十三章【视频】逻辑斯蒂回归III-Logistic RegressionIII/

  *   13 第十三章【视频】逻辑斯蒂回归III-Logistic RegressionIII (259.88 MB)

*   14 第十四章【视频】决策树算法I-(Decision Tree 1)/

  *   14 第十四章【视频】决策树算法I-(Decision Tree 1) (205.21 MB)

*   15 第十五章【视频】决策树算法II-(Decision Tree 2)/

  *   15 第十五章【视频】决策树算法II-(Decision Tree 2) (364.63 MB)

*   16 第十六章【视频】降维及聚类常用算法 ML algorithms/

  *   16 第十六章【视频】降维及聚类常用算法 ML algorithms (208.80 MB)

*   17 第十七章【视频】梯度提升决策树GBDT/

  *   17 第十七章【视频】梯度提升决策树GBDT (235.82 MB)

*   18 第十八章【视频】机器学习集成I-(Ensemble 1)/

  *   18 第十八章【视频】机器学习集成I-(Ensemble 1) (213.01 MB)

*   19 第十九章【视频】机器学习集成 II-( Ensemble 2)/

  *   19 第十九章【视频】机器学习集成 II-( Ensemble 2) (335.88 MB)

*   20 第二十章【视频】机器学习集成 III-(Ensemble 3)/

  *   20 第二十章【视频】机器学习集成 III-(Ensemble 3) (340.22 MB)

*   21 第二十一章【视频】神经网络Neural Network 1/

  *   21 第二十一章【视频】神经网络Neural Network 1 (239.47 MB)

*   22 第二十二章【视频】机器学习(总结)/

  *   22 第二十二章【视频】机器学习(总结) (215.12 MB)

*   23 第二十三章【视频】TensorFlow-基础/

  *   23 第二十三章【视频】TensorFlow-基础 (266.71 MB)

*   24 第二十四章【视频】神经网络 Neural Network 2/

  *   24 第二十四章【视频】神经网络 Neural Network 2 (231.65 MB)

*   25 第二十五章【视频】数字图像基础与数字图像处理/

  *   25 第二十五章【视频】数字图像基础与数字图像处理 (245.95 MB)

*   26 第二十六章【视频】卷积神经网络入门/

  *   26 第二十六章【视频】卷积神经网络入门 (247.69 MB)

*   27 第二十七章【视频】卷积神经网络基本架构与实践/

  *   27 第二十七章【视频】卷积神经网络基本架构与实践 (28.86 MB)

*   28 第二十八章【视频】强化学习1-入门介绍：Basic introduction/

  *   28 第二十八章【视频】强化学习1-入门介绍：Basic introduction (426.57 MB)

*   29 第二十九章【视频】推荐系统入门/

  *   29 第二十九章【视频】推荐系统入门 (178.88 MB)

*   30 第三十章【视频】协同过滤进阶和矩阵分解/

  *   30 第三十章【视频】协同过滤进阶和矩阵分解 (267.54 MB)

*   31 第三十一章【视频】强化学习2 - 马科夫决策过程（Markov Decision Process MDP）/

  *   31 第三十一章【视频】强化学习2 - 马科夫决策过程（Markov Decision Process MDP） (203.33 MB)

*   32 第三十二章【视频】强化学习 3 - 游戏项目1 - 学习迷宫导航/

  *   32 第三十二章【视频】强化学习 3 - 游戏项目1 - 学习迷宫导航 (262.18 MB)

*   33 第三十三章【视频】强化学习4 - Deep Q Network/

  *   33 第三十三章【视频】强化学习4 - Deep Q Network (357.45 MB)

*   34 第三十四章【视频】融合多种特征的推荐模型/

  *   34 第三十四章【视频】融合多种特征的推荐模型 (282.08 MB)

*   35 第三十五章【视频】深度推荐模型/

  *   35 第三十五章【视频】深度推荐模型 (215.86 MB)

*   36 第三十六章【视频】强化学习5 - 游戏项目2 - 学习视觉游戏/

  *   36 第三十六章【视频】强化学习5 - 游戏项目2 - 学习视觉游戏 (413.04 MB)

*   37 第三十七章【视频】NLP在工业界的现状 及 文本在神经网络的表示/

  *   37 第三十七章【视频】NLP在工业界的现状 及 文本在神经网络的表示 (294.29 MB)

*   38 第三十八章【视频】机器学习竞赛入门 Introduction To Machine Learning Contest/

  *   38 第三十八章【视频】机器学习竞赛入门 Introduction To Machine Learning Contest (238.52 MB)

*   39 第三十九章【视频】循环神经网络/

  *   39 第三十九章【视频】循环神经网络 (247.69 MB)

*   40 第四十章【视频】机器翻译/

  *   40 第四十章【视频】机器翻译 (295.38 MB)

*   41 第四十一章【视频】CV项目-CNN应用领域、项目类型及本期项目初探/

  *   41 第四十一章【视频】CV项目-CNN应用领域、项目类型及本期项目初探 (361.94 MB)

*   42 第四十二章【视频】CV项目-本期项目思路、图像预处理及CNN分类模型/

  *   42 第四十二章【视频】CV项目-本期项目思路、图像预处理及CNN分类模型 (276.59 MB)

*   43 第四十三章【视频】CV项目-CNN 概念进阶、可训练参数及分类模型评估/

  *   43 第四十三章【视频】CV项目-CNN 概念进阶、可训练参数及分类模型评估 (314.90 MB)

*   44 第四十四章【视频】CV项目-过拟合、正则化与数据增强/

  *   44 第四十四章【视频】CV项目-过拟合、正则化与数据增强 (315.99 MB)

*   45 第四十五章【视频】CV项目-CNN经典模型及迁移学习/

  *   45 第四十五章【视频】CV项目-CNN经典模型及迁移学习 (355.52 MB)

*   46 第四十六章【视频】CV项目-图像分割应用领域及主要算法/

  *   46 第四十六章【视频】CV项目-图像分割应用领域及主要算法 (278.87 MB)

*   47 第四十七章【视频】CV项目-图像分割任务整体实现/

  *   47 第四十七章【视频】CV项目-图像分割任务整体实现 (278.87 MB)

*   48 第四十八章【视频】CV项目-CNN项目案例分析：基于图像的推荐系统项目及课程整体回顾/

  *   48 第四十八章【视频】CV项目-CNN项目案例分析：基于图像的推荐系统项目及课程整体回顾 (276.59 MB)

*   49 第四十九章【视频】CV项目-分割模型进阶及模型性能优化/

  *   49 第四十九章【视频】CV项目-分割模型进阶及模型性能优化 (262.93 MB)

*   50 第五十章【视频】NLP项目-项目背景及文本分类初探/

  *   50 第五十章【视频】NLP项目-项目背景及文本分类初探 (275.44 MB)

*   51 第五十一章【视频】NLP项目-深度学习在文本分类的应用/

  *   51 第五十一章【视频】NLP项目-深度学习在文本分类的应用 (220.41 MB)

*   52 第五十二章【视频】NLP项目-全局词向量与LSTM/

  *   52 第五十二章【视频】NLP项目-全局词向量与LSTM (331.21 MB)

*   53 第五十三章【视频】NLP项目-Attention & Transformer/

  *   53 第五十三章【视频】NLP项目-Attention & Transformer (292.59 MB)

*   54 第五十四章【视频】NLP项目-Contextual Word Embedding与BERT Embedding/

  *   54 第五十四章【视频】NLP项目-Contextual Word Embedding与BERT Embedding (216.30 MB)

*   55 第五十五章【视频】NLP项目-GPT、BERT和基于语境的词表示/

  *   55 第五十五章【视频】NLP项目-GPT、BERT和基于语境的词表示 (205.28 MB)

*   56 第五十六章【视频】NLP项目-模型校准的概念及实践/

  *   56 第五十六章【视频】NLP项目-模型校准的概念及实践 (257.73 MB)

*   57 第五十七章【视频】NLP项目-数据分析及提升/

  *   57 第五十七章【视频】NLP项目-数据分析及提升 (262.96 MB)

*   58 第五十八章【视频】NLP项目-NLP模型的综合应用/

  *   58 第五十八章【视频】NLP项目-NLP模型的综合应用 (277.69 MB)

*   课件资料/

  *   源码+数据+pdf课件+习题+考试.7z (252.98 MB)