先问自己：想转行做 AI，还是想补大数据后端技能？

这门课名为“人工智能就业班”，从资料包内容看，实际覆盖了从人工智能基础、机器学习实战到海量数据挖掘工具的全链路内容。如果你是想直接转行去大厂算法岗，需要极强的数学推导和模型调优经验，建议慎重，因为课程更侧重工程落地而非底层原理研究。但如果你的目标是后端开发或大数据方向，这门课能帮你补齐 AI 相关的技术栈，让你在处理高并发数据场景时，多掌握一套基于 Spark 和 MLlib 的分布式计算能力。

解决什么问题？适合什么基础？建议先看哪几块？

课程主要解决的是“懂代码但不懂 AI 工程化”的痛点。很多后端开发者会写 Java 或 Python，但面对真实业务中复杂的用户行为预测、销量预估或文本分类时，不知道如何从零搭建模型。课程通过 Kaggle 竞赛实战，手把手带你走通“数据导入—预处理—模型训练—评估调参”的完整流程，解决你无法独立跑通一个完整机器学习项目的难题。适合有一定编程基础（熟悉 Python/Java）、想拓展技能边界的初学者，或者非计算机专业但需要掌握数据分析技能的职场人。如果是纯小白，资料包前几节的“人工智能基础”部分会先讲清楚概念和适用场景，避免一上来就被代码劝退。

学完能独立做什么？资料怎么配合练习？

学完这门课，你能独立用 Python 或 Spark 完成电商销量预测、网页分类等典型任务，并能理解分布式计算在 AI 训练中的必要性，从而胜任后端开发中涉及数据密集型服务的岗位。资料包里的代码文件是核心，建议不要只看不练。跟着视频进度，先把“数据预处理”和“模型训练”的代码在本地环境跑一遍，确保能复现出视频里的结果。特别是那几个关于 Spark 算子操作的实战文件，要在本地搭建好 Spark 环境后，修改参数自己跑一次，观察不同配置下的运行结果差异。这样你才能真正理解分布式计算的优势，而不是只会复制粘贴代码。

课程目录

0-资料密码：MTcrr18oGVEnPXmy 1-人工智能基础-快速入门 1：人工智能就业前景与薪资.mp4
 33.79M 2：人工智能适合人群与必备技能.mp4
 21.05M 3：人工智能时代.mp4
 16.73M 4：人工智能在各领域的应用.mp4
 41.84M 5：人工智能常见流程.mp4
 36.39M 6：机器学习不同的学习方式.mp4
 31.24M 7：深度学习比传统机器学习有优势.mp4
 33.53M 8：有监督机器学习任务与本质.mp4
 23.26M 9：无监督机器学习任务与本质.mp4
 31.15M 10-机器学习与大数据-Kaggle竞赛实战 1：Rossmann药店销量预测_kaggle的介绍.mp4
 12.99M 2：对数据字段的介绍_导包.mp4
 8.64M 3：自定义损失函数.mp4
 9.45M 4：对数据里面的目标变量sales的一个分析.mp4
 16.92M 5：数据的预处理.mp4
 44.18M 6：模型的训练_评估.mp4
 23.63M 7：kaggle竞赛网站学习.mp4
 53.21M 代码.rar 6.42M 10：评估指标ROC和AUC.mp4
 20.71M 11：竞赛其他相关提交成绩排行榜.mp4
 20.00M 12：数据导入.mp4
 23.64M 13：MLlib对网页分类竞赛数据预处理.mp4
 38.73M 14：MLlib对网页分类竞赛数据预处理_模型训练.mp4
 28.05M 15：MLlib对网页分类竞赛模型训练_模型训练评估_搜索最佳超参数.mp4
 25.54M 16：使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_01.mp4
 37.66M 17：使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_02.mp4
 36.03M 18：使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_03.mp4
 28.98M 19：使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_04.mp4
 30.52M 8：Kaggle网页分类竞赛介绍.mp4
 11.18M 9：评估指标ROC和AUC.mp4
 22.36M 代码.rar 8.81M 11-机器学习与大数据-海量数据挖掘工具 10：分布式计算所需进程.mp4
 15.59M 11：两种算子操作本质区别.mp4
 26.09M 12：Spark算子操作实战讲解_代码实战WordCount_01.mp4
 31.68M 13：Spark算子操作实战讲解_代码实战WordCount_02.mp4
 25.91M 14：Spark算子操作实战讲解_代码实战WordCount_03.mp4
 20.20M 15：Spark算子操作实战讲解_代码实战WordCount_04.mp4
 17.87M 1：Spark特性_01.mp4
 25.09M 2：Spark特性_02.mp4
 17.41M 3：Spark对比hadoop优势.mp4
 12.39M 4：回顾hadoop讲解shuffle.mp4
 19.98M 5：分布式计算框架Shuffle的原理_01.mp4
 25.52M 6：分布式计算框架Shuffle的原理_02.mp4
 25.75M 7：分布式计算框架Shuffle的原理_03.mp4
 17.40M 8：Spark的RDD特性_01.mp4
 19.36M 9：Spark的RDD特性_02.mp4
 21.88M 代码.rar 383.20M 资料.rar 1.49M 16：Spark数据缓存机制.mp4
 29.18M 17：Spark宽依赖和窄依赖_01.mp4
 24.87M 18：Spark宽依赖和窄依赖_02.mp4
 22.53M 19：Spark宽依赖和窄依赖_03.mp4
 15.82M 20：Spark术语总结.mp4
 40.15M 21：分布式文件系统Block块的大小配置.mp4
 44.19M 22：Spark程序启动运行流程详解_01.mp4
 19.60M 23：Spark程序启动运行流程详解_02.mp4
 28.62M 24：Spark程序启动运行流程详解_03.mp4
 19.89M 25：讲解构建稀疏和稠密向量_01.mp4
 33.94M 26：讲解构建稀疏和稠密向量_01.mp4
 36.25M 27：构建LabeledPoint.mp4
 44.28M 28：介绍SparkMLlib模块中实现的算法和调用.mp4
 35.00M 29：SparkMLlib对于逻辑回归算法的调用.mp4
 49.31M 30：SparkMLlib调用逻辑回归_自定义阈值_1.mp4
 52.45M 31：SparkMLlib调用逻辑回归_自定义阈值_2.mp4
 47.12M 32：SparkMLlib调用逻辑回归_使用标准归一化_1.mp4
 38.65M 33：SparkMLlib调用逻辑回归_使用标准归一化_2.mp4
 65.63M 34：SparkMLlib调用逻辑回归_使用标准归一化_3.mp4
 33.16M 35：SparkMLlib调用逻辑回归_使用标准归一化_4.mp4
 43.62M 36：SparkMLlib调用KMeans聚类_调用决策树(1)_1.mp4
 37.81M 37：SparkMLlib调用KMeans聚类_调用决策树(1)_2.mp4
 47.16M 38：SparkMLlib调用KMeans聚类_调用决策树(1)_3.mp4
 40.96M 39：使用逻辑回归和随机森林对股票Stock预测案例实战_1.mp4
 43.44M 40：使用逻辑回归和随机森林对股票Stock预测案例实战_2.mp4
 34.89M 41：使用逻辑回归和随机森林对股票Stock预测案例实战_3.mp4
 34.73M 42：从数据转化到训练集的构建.mp4
 63.44M 43：模型的训练以及评估和调超参_1.mp4
 35.14M 44：模型的训练以及评估和调超参_2.mp4
 32.22M