这门课解决什么工作场景
这套内容并非泛泛的AI科普，而是一条从底层数学逻辑到工程落地的完整技能链。它主要解决两类核心痛点：一是初学者面对神经网络时的“黑盒恐惧”，通过手写构建网络、推导CNN与RNN结构，让你真正理解反向传播与梯度下降的物理意义，而非只会调包；二是将算法应用于具体业务场景，如验证码识别、序列预测及商业智能分析，填补了“懂理论”与“能干活”之间的巨大鸿沟。
课程涵盖了机器学习（决策树）、深度学习（CNN、RNN、LSTM）以及计算机视觉和BI应用，适合希望从事数据分析、算法工程或自动化决策开发的从业者。它不承诺速成，但承诺建立扎实的系统性认知框架。
适合什么基础 & 建议先看哪几块
适合具备基础Python编程能力、了解线性代数与概率统计概念的读者。如果你是完全零基础，建议先补齐Python NumPy/Pandas的基础操作，否则直接上手代码库会非常吃力。如果你是后端转算法，可直接跳过第五章的部分概念，重点攻克第六至八章的神经网络原理。
核心学习路径建议：
- 基石篇（第三章、第五章）：重点看机器学习一与决策树部分，理解特征工程与模型评估的基本范式，这是后续所有深度学习内容的土壤。
- 突破篇（第六章、第七章、第九章、第八章）：这是 hardest 也是最值钱的部分。务必按顺序学习：先通过MNIST数据集理解深度学习初步（第六章），再进阶训练技巧（第七章），接着深入CNN图像识别（第九章，含验证码识别实战），最后攻克RNN/LSTM时序数据（第八章）。切记不要跳跃，因为CNN的卷积操作与RNN的记忆机制建立在前面铺垫的梯度优化基础之上。
- 应用篇（第十一章、第十二章）：在掌握CV原理后，结合商业智能BI，学习如何将模型输出转化为决策支持，完成从算法到产品的闭环。
学完能独立做什么 & 资料怎么配合练习
学完本套课程后，你应能独立完成基于TensorFlow或PyTorch的图像分类模型构建、简单的时间序列预测任务，并能针对OCR（如验证码）等具体场景进行定制化开发。此外，你具备将预测结果接入BI报表的能力，能够用数据驱动业务洞察。
资料使用指南：
- 视频与PPT：视频讲解抽象原理，PPT梳理知识脉络。建议先看PPT预览结构，再观看视频细节，最后复盘PPT中的公式推导。
- 代码包：不要只看不练。第三章、第五章的“课堂代码”用于巩固传统ML流程；第九章的“验证码识别”与第八章的“RNN课堂代码”是必读实战，必须亲手跑通mnist_train/test数据集，修改参数观察损失变化。
- 作业与文档：每章结束后的.docx作业文档是检验标准，务必独立完成后对照参考答案。第十一周的week11作业文档则是对CV能力的综合验收，请严格按 deadline 模拟项目交付标准完成。
课程目录
📁 12、第十二章商业智能BI 第一十二章第1节：商业智能BI.mp4 [522.7 MB] BI预习资料0401.pdf [3.9 MB] 📁 03、第三章机器学习一 课堂代码.zip [2.3 KB] 第三章第1节：机器学习一.mp4 [1.0 GB] 机器学习一.pptx [70.4 MB] 📁 11、第十一章计算机视觉CV 第一十一章第1节：计算机视觉CV【公重号：CunWorkNotes】.mp4 [424.1 MB] 开课吧AI核心课CV概论资料包.zip [79.9 MB] week11作业文档.docx [10.9 KB] 📁 09、第九章CNN 第九章第1节：CNN【资源精选‖更多关注：CunworkNotes】.mp4 [1.0 GB] 数据文件.zip [15.8 MB] 第九章--验证码识别.zip [598.0 KB] Lecture-09.pptx [1.1 MB] 📁 06、第六章深度学习初步 mnist_test.zip [2.2 MB] Lecture-06.zip [41.9 KB] 第六章第1节：深度学习初步.mp4 [1.1 GB] Lecture-06.pptx [23.0 MB] mnist_train.zip [13.2 MB] 📁 07、第七章深度学习进阶 Lecture-07(2).zip [1.7 KB] 第七章第1节：深度学习进阶【公重号：CunWorkNotes】.mp4 [789.5 MB] Lecture-07.pptx [11.4 MB] 第七章--深度学习进阶.zip [6.0 KB] 📁 05、第五章机器学习三 课堂代码(1).zip [2.5 KB] ccf_offline_stage1_train【持续更新‖免费提供：CunworknoteS】.zip [12.7 MB] 机器学习3.pptx [6.5 MB] 第五章--决策树.zip [10.5 MB] 第五章第1节：机器学习三.mp4 [931.0 MB] 📁 08、第八章RNN 第八章--LSTM结构.zip [158.6 KB] Lecture-08(1).pptx [4.7 MB] RNN课堂代码.zip [33.4 MB] 第八章第1节：RNN.mp4 [1.0 GB] 📁 14、第十四章新增视频 Build-neural-network-from-scrach-Lesson-02.zip [819.9 KB] Lesson-01-代码复现与参考答案.zip [239.5 KB] 第一十四章第3节：新增视频（三）【持续更新‖免费提供：CunworknoteS】.mp4 [764.1 MB] Lesson-03【优质资源‖关注：cunWorkNotes 解锁】.zip [935.5 KB] 2020-神经网络框架原理训练营资料.zip [1.4 MB] 1.pptx [11.0 MB].mp4 第一十四章第1节：新增视频（一）.mp4 [462.6 MB] 第一十四章第2节：新增视频（二）.mp4 [456.9 MB] 📁 01、第一章人工智能导论 第一章第1节：人工智能导论.mp4 [1.3 GB] Github简明教程.pdf [216.7 KB] 人工智能导论--课程代码.zip [24.5 KB] 人工智能导论.pptx [78.1 MB] 📁 02、第二章机器学习初探 abcnews-date-text(1).zip [21.1 MB] 第二章第1节：机器学习初探.mp4 [1.3 GB] Lecture-02(1).pptx [5.8 MB] 机器学习初探--课程代码.zip [467.4 KB] lecture-02.zip [139.9 KB] k-means-clustering-of-1-million-headlines.zip [6.0 KB] 📁 04、第四章机器学习二 第四章-逻辑回归诊断心脏病(1).zip [7.0 KB] 第四章第1节：机器学习二.mp4 [1.3 GB] 第四章-逻辑回归诊断心脏病.zip [8.9 KB] 课程代码.zip [11.9 MB] Lecture-04(1).pptx [62.1 MB] heart.zip [3.3 KB] 📁 10、第十章自然语言处理 作业.docx [11.0 KB] Lecture-10.pptx [64.4 MB] 第一十章第1节：自然语言处理.mp4 [903.5 MB] 📁 13、第十三章作业讲解 课堂代码(1).zip [20.9 MB] 第一十三章第1节：作业讲解.mp4 [566.4 MB]
