这门课解决什么问题

当前职场对“会用 AI”的需求正在分层：基础岗位只需会写提示词，技术岗位则需要把模型落地到业务。光环国际人工智能 AI50 期的核心定位，是填补后者这一空白。它不教你零散的工具玩法，而是帮你建立从数据处理、模型训练到工程部署的完整技术闭环。如果你在工作中遇到这样的场景——手里有业务数据却不知道怎么喂给模型、听过大模型很火但不知道如何微调适配自己的领域、或者开发的应用卡在推理速度和成本上——这门课试图给出系统性的解法。它解决的是“知道 AI 厉害，但自己搞不定”的技术鸿沟。

适合什么基础、建议先看哪几块

这门课不适合完全零代码基础的纯小白，也不适合只想学 ChatGPT 应用层操作的用户。它面向的，是已经掌握 Python 编程、了解机器学习基本概念（如回归、分类、过拟合），并希望向深度学习方向转型的程序员、数据分析师或转行者。你需要有基本的命令行操作能力，并能够安装配置本地开发环境。

学习路径上，建议不要一上来就追最新的大模型教程。应先重点夯实前段的理论基础，包括线性代数与概率论在 AI 中的具体应用、经典机器学习算法的推导与实现。这部分虽然枯燥，却是后续理解复杂模型架构的基石。接着，进入深度学习框架的核心章节，掌握张量运算、自动微分原理以及主流框架（如 PyTorch）的编程范式。只有这两块地基打牢，后面的计算机视觉、自然语言处理以及大模型微调等内容才能真正听懂，否则容易沦为“调包侠”，遇到报错完全无从下手。

学完能独立做什么、资料怎么配合练习

完成系统学习后，你应能独立完成一个 AI 项目的端到端开发：从原始数据的清洗与标注，到特征工程，再到模型选型、训练调优及最终的接口封装。具体而言，你应当能够针对特定业务场景构建图像识别模型或文本生成应用，并具备基本的模型优化能力，以平衡精度与推理效率。

资料包的配合至关重要。AI 是一门强实践学科，只看视频无法形成肌肉记忆。建议采用“理论同步、代码复现、项目驱动”的模式。首先，对着视频讲解手动敲每一行核心代码，严禁复制粘贴，以此加深对手动实现算法的理解。其次，利用课程配套的笔记和附录资料，对关键概念进行二次整理，构建自己的知识图谱。最后，务必动手完成课后的大作业或项目实战。遇到环境报错或模型不收敛的情况，不要急于跳过，这正是积累工程经验的最佳时机。通过反复调试，你才能真正将知识转化为解决实际工作问题的能力。

【光环国际】人工智能AI50期（持续更新）

本课程隶属 会员库 · 其他机构课程，包含完整课程目录与配套资料，购买后联系客服获取下载方式；会员可直接免费下载。

课程目录

第1章：开班直播/
第 1节：开班直播_ev.mp4
第2章：机器学习直播+深度学习/
5.21Day1-人工智能核心概念_ev.mp4
5.23Day2-KNN 分类算法，鸢尾花分类任务⽰例，余弦相似度已学过_ev.mp4
5.28Day3-概率和贝叶斯算法已学过_ev.mp4
5.30Day4-信息论和决策树算法已学过_ev.mp4
6.11Day9-机器学习汇总，steamlit使用_ev.mp4
6.18Day10-卷积网络的基本组件，图像分类算法_ev.mp4
6.1Day5上午-数据科学三剑客，房价预测已学过_ev.mp4
6.1Day5下午-数据预处理，线性回归，PCA降维，SVD分解，集成学习，聚类算法_ev.mp4
6.22Day11上午-手势识别-1_ev.mp4
6.22Day11上午-手势识别-2_ev.mp4
6.22Day11下午-Lenet，Resnet，Vgg，Yolov8目标检测_ev.mp4
6.4Day6-机器学习项目实战_ev.mp4
6.6Day7-深度学习概论，求函数最⼩值，梯度下降算法，线性回归算法_ev.mp4
6.8Day8上午-深度学习的项目流程-1_ev.mp4
6.8Day8上午-深度学习的项目流程-2_ev.mp4
6.8Day8下午-线性回归与逻辑回归 ，计算机视觉 ，图像数据， Matplotlib OpenCV 读取图像，卷积概念_ev.mp4
第3章：计算机视觉/
6.18Day10-卷积网络的基本组件，图像分类算法_ev.mp4
6.22Day11下午-Lenet，Resnet，Vgg，Yolov8目标检测_ev.mp4
6.25Day12-YOLO图像分类原理_ev.mp4
7.2Day14-MTCNN源码解析已学过_ev.mp4
7.7Day15上午-图像分割，语义分割，U-Net_ev.mp4
第4章：NLP+AIGC板块/
7.13Day17上午-手写数字图像，GAN，Transformer_ev.mp4
7.13Day17下午-循环神经网络，注意力机制，Seq2Seq结构-01_ev.mp4
7.13Day17下午-循环神经网络，注意力机制，Seq2Seq结构-02_ev.mp4
7.16Day18-Seq2Seq架构深入解读_ev.mp4
7.21Day19上午-大模型介绍，注意力机制 _ev.mp4
7.21Day19下午-Attention注意力机制_ev.mp4
7.23Day20-Transformer源码解析_ev.mp4
7.27Day21上午-Transformer 源码_ev.mp4
7.27Day21下午-大模型的三大架构，T5体验_ev.mp4
7.29Day22-大模型，Qwen测试已学过_ev.mp4
8.10Day24下午-⼤模型训练与部署-01_ev.mp4
8.10Day24下午-⼤模型训练与部署-02_ev.mp4
8.15Day25-大模型的基础应用，LangChain开发 ，上层开发_ev.mp4
8.17Day26上午-LangChain框架进阶，prompt_ev.mp4
8.17Day26下午-连接大模型，输出解析器_ev.mp4
8.20Day27-RAG系统_ev.mp4
8.22趋动云技术培训答疑_ev.mp4
8.24Day28上午-RAG系统_ev.mp4
8.24Day28下午-文档切分，向量化与储存_ev.mp4
8.27Day29-RAG系统，Agent_ev.mp4
8.31Day31-多模态大语言模型_ev.mp4
8.4Day23上午-大模型训练，Bert训练_ev.mp4
8.4Day23下午-GLM大模型训练原理_ev.mp4
8.8日CV答辩下场（4组，3组，2组，1组）1_ev.mp4
8.8日CV答辩下场（4组，3组，2组，1组）2_ev.mp4
8.8日CV答辩下场（4组，3组，2组，1组）_ev.mp4
9.10Day34-Vit 大模型相关补充_ev.mp4
9.15结业项目答辩-1组，2组，3组_ev.mp4
9.15结业项目答辩-7组_ev.mp4
9.15结业项目答辩-8组_ev.mp4
9.3Day32-多模态大模型，向量化模型部署_ev.mp4
9.9Day33-文生图算法_ev.mp4