百战程序员-2026年AI算法工程师【系统课】

课程目录

1.人工智能基础-快速入门/
1.人工智能就业薪资各行业应用/
1.人工智能就业薪资与任职要求 .sz
2.人工智能课程-vs-具体岗位要求 .sz
3.人工智能适合人群与必备技能 .sz
4.人工智能时代是发展的必然 .sz
5.人工智能在各领域的应用 .sz
2.机器学习和深度学习有监督和无监督/
1.人工智能常见流程 .sz
2.机器学习不同的学习方式 .sz
3.深度学习比传统机器学习有优势 .sz
4.有监督机器学习任务与本质 .sz
5.无监督机器学习任务与本质 .sz
10.机器学习-Kaggle竞赛实战/
1.药店销量预测案例/
1.Rossmann药店销量预测_kaggle的介绍 .sz
2.对数据字段的介绍_导包 .sz
3.自定义损失函数 .sz
4.对数据里面的目标变量sales的一个分析 .sz
5.数据的预处理 .sz
6.模型的训练_评估 .sz
7.kaggle竞赛网站学习 .sz
11.深度学习-原理和进阶/
1.深度学习介绍/
1.了解深度学习.mp4
2.了解深度学习框架 573.sz
2.PyTorch框架/
1.PyTorch框架安装_CPU版.mp4
10.PyTorch的点乘与矩阵乘法.mp4
11.PyTorch的广播机制.mp4
12.PyTorch张量的统计运算.mp4
13.PyTorch张量的其它计算函数.mp4
14.PyTorch张量索引的基础操作.mp4
15.PyTorch张量索引的基础操作2.mp4
16.Pytorch张量形状的操作.mp4
17.Pytorch张量升维与降维.mp4
18.Pytorch张量维度交换 997.sz
19.Pytorch张量内存连续性 192.sz
2.PyTorch框架安装_GPU版 788.sz
20.Pytorch张量的拼接 578.sz
21.Pytorch自动微分功能.mp4
22.Pytorch案例说明.mp4
23.Pytorch生成数据.mp4
24.Pytorch创建模型_损失函数_优化器.mp4
25.Pytorch训练模型.mp4
26.Pytorch验证模型.mp4
3.PyTorch了解张量与基本创建 255.sz
4.PyTorch张量的GPU版转换 450.sz
5.PyTorch创建统一值张量.mp4
6.PyTorch创建线性张量与随机线量.mp4
7.PyTorch数据类型查看与转换.mp4
8.PyTorch张量与Numpy互转.mp4
9.PyTorch张量元素级运算.mp4
3.神经网络算法/
1.生物神经网络到人工神经网络.mp4
10.初始化的参数重要性与方法.mp4
11.初始化实战.mp4
12.模型构建思路 220.sz
13.模型构建实现.mp4
14.模型参数的计算.mp4
15.损失函数介绍.mp4
16.损失函数_多分类交叉熵.mp4
17.损失函数_二分类交叉熵.mp4
18.损失函数_平均绝对误差.mp4
19.损失函数_均方误差.mp4
2.神经网络架构与基本概念.mp4
20.损失函数_SmoothL1.mp4
21.了解梯度下降算法.mp4
22.训练过程的核心概念.mp4
23.反向传播算法了解.mp4
24.反向传播计算案例.mp4
25.反向传播代码使用1.mp4
26.反向传播代码使用2.mp4
27.梯度下降优化算法介绍.mp4
28.优化方法_指数加权平均EWMA.mp4
29.优化方法_指数加权平均实现.mp4
3.激活函数的作用.mp4
30.优化算法_动量算法思路.mp4
31.优化算法_动量算法实现.mp4
32.优化算法_Adagrad思路.mp4
33.优化算法_Adagrad实现.mp4
34.优化算法_RMSProp思路.mp4
35.优化算法_RMSProp实现.mp4
36.优化算法_adam思路.mp4
37.优化算法_adam实现.mp4
38.优化算法小结.mp4
39.学习率衰减_固定步长衰减思路.mp4
4.激活函数_sigmoid 25.sz
40.学习率衰减_固定步长衰减实现.mp4
41.学习率衰减_指定步长衰减思路与实现.mp4
42.学习率衰减_指数衰减思路与实现.mp4
43.学习率衰减_余弦衰减思路与实现.mp4
44.正则化_了解 687.sz
45.正则化_Dropout随机失活.mp4
46.正则化_BatchNormalization了解.mp4
47.案例_诊断乳腺癌介绍.mp4
48.案例_诊断乳腺癌_数据加载与预处理.mp4
49.案例_诊断乳腺癌_定义模型 54.sz
5.激活函数_实现.mp4
50.案例_诊断乳腺癌_训练模型准备 268.sz
51.案例_诊断乳腺癌_训练模型 795.sz
52.案例_诊断乳腺癌_模型测试.mp4
53.案例_诊断乳腺癌_模型保存与使用.mp4
54.案例_网络结构设计_经验分享.mp4
6.激活函数_tanh.mp4
7.激活函数_ReLU.mp4
8.激活函数_softmax.mp4
9.激活函数的总结与选择推荐.mp4
4.TensorFlow深度学习工具/
1.Tensorflow_介绍.mp4
10.tensorflow_自动微分.mp4
11.Tensorflow_案例_实现线性回归介绍.mp4
12.Tensorflow_案例_生成数据 .sz
13.Tensorflow_案例_构建模型.mp4
14.Tensorflow_案例_训练模型.mp4
15.Tensorflow_案例_查看结果.mp4
2.Tensorflow_V2版本安装 .sz
3.Tensorflow_V1版本安装 .sz
4.Tensorflow_张量的创建 .sz
5.Tensorflow_张量的形状与类型.mp4
6.Tensorflow_张量的切片_索引_重塑.mp4
7.Tensorflow_张量的计算.mp4
8.Tensorflow_了解计算图.mp4
9.tensorflow_计算图的使用.mp4
12.深度学习-图像识别原理/
1.卷积神经网络原理/
1.卷积神经网络基本概念.mp4
10.CNN的核心构建块_感受野Receptive-Field.mp4
11.CNN的核心构建块_全连接层 366.sz
12.经典卷积神经网络_LeNet网络模型解析.mp4
13.手写数字识别实战_构建LeNet网络.mp4
14.手写数字识别实战_数据集预处理与加载.mp4
15.手写数字识别实战_模型训练.mp4
16.手写数字识别实战_模型评估.mp4
17.手写数字识别实战_绘制评估曲线图 544.sz
18.手写数字识别实战_模型测试 11.sz
2.卷积神经网络解决问题.mp4
3.CNN的核心构建块_构建卷积层 54.sz
4.构建卷积层_PyTorch代码示例 249.sz
5.CNN的核心构建块_步幅Stride.mp4
6.步幅Stride_PyTorch版本.mp4
7.CNN的核心构建块_填充-Padding.mp4
8.填充Padding_PyTorch-代码示例.mp4
9.CNN的核心构建块_池化层pooling-layer.mp4
2.卷积神经网络优化/
1.AlexNet网络结构_连续使用小的卷积核好处.mp4
10.Optimizer_Adagrad_Adadelta_RMSprop.mp4
11.Optimizer_Adam 795.sz
2.Dropout技术点思想和运用.mp4
3.数据增强技术点_CNN对MNIST数据集分类_卷积池化代码 653.sz
4.CNN对MNIST数据集分类_全连接层以及训练代码 119.sz
5.深度学习网络对应ACC准确率忽然下降的思考点.mp4
6.减轻梯度消失问题中激活函数发挥的作用.mp4
7.减轻梯度消失问题中参数初始化发挥的作用.mp4
8.VGG网络结构_以及1乘1的卷积核的作用和好处.mp4
9.Optimizer_SGD_Momentum.mp4
3.经典卷积网络算法/
1.现代神经网络_深度卷积神经网络AlexNet.mp4
10.含并行连接的网络_GoogLeNet.mp4
11.批量规范化_让神经网络飞起来 .sz
12.撑起深度学习半边天_残差网络ResNet.mp4
13.VGG与ResNet对比分析在鲜花识别中的应用.mp4
14.EfficientNet网络_复合缩放.mp4
15.EfficientNet网络_深度可分离卷积.mp4
16.EfficientNet网络_SE注意力机制.mp4
17.EfficientNet网络_EfficientNet-B0-架构.mp4
18.EfficientNet网络和ResNet网络对比.mp4
19.移动设备_MobileNet网络 .sz
2.使用块的网络_VGGNet.mp4
3.迁移学习.mp4
4.迁移学习入门案例 .sz
5.VGG实战鲜花识别_准备数据集文件和数据预处理.mp4
6.VGG实战鲜花识别_加载预训练VGG16模型.mp4
7.VGG实战鲜花识别_开始训练模型.mp4
8.VGG实战鲜花识别_可视化训练效果.mp4
9.VGG实战鲜花识别_指定图片进行预测 .sz
4.古典目标检测/
1.图像识别任务_古典目标检测.mp4
2.使用OpenCV调用分类器找到目标框 .sz
3.IOU以及python计算的代码 .sz
4.R-CNN和SPP-net.mp4
5.从FastRCNN引入FasterRCNN.mp4
5.现代目标检测之FasterRCNN/
1.回顾RCNN_SPPnet_Fast-RCNN.mp4
2.FasterRNN的核心RPN_正向传播的框过滤_NMS .sz
3.NMS代码实现流程_mAP目标检测平均指标 .sz
4.FasterRCNN论文讲解_从介绍到RPN的loss .sz
5.FasterRCNN论文讲解_从RPN损失到评估指标对比.mp4
13.计算机图形学机器视觉实战/
1.OpenCV基本操作/
1.OpenCV基本操作_什么是OpenCV.mp4
2.OpenCV基本操作_OpenCV-基本架构分析.mp4
3.OpenCV基本操作_OpenCV开发环境搭建 .sz
4.OpenCV基本操作_图像读取与显示.mp4
5.OpenCV基本操作_图像窗口操作.mp4
6.OpenCV基本操作_鼠标控制.mp4
7.OpenCV基本操作_滑动条事件TrackBar.mp4
8.OpenCV基本操作_OpenCV从摄像头采集视频.mp4
9.OpenCV基本操作_视频处理与视频录制 .sz
2.图像处理模块/
1.图像处理模块_图像的多种属性.mp4
10.图像处理模块_Mat-深拷贝与浅拷贝 .sz
2.图像处理模块_RGB与BGR色彩空间 .sz
3.图像处理模块_解锁颜色世界HSBHSV与HSL .sz
4.图像处理模块_OpenCV中ROI区域.mp4
5.图像处理模块_通道的分割与合并.mp4
6.图像处理模块_边界填充.mp4
7.图像处理模块_图像融合.mp4
8.图像处理模块_图像阈值.mp4
9.图像处理模块_OpenCV的重要结构体Mat .sz
3.图像的绘制/
1.图形的绘制_绘制直线.mp4
2.图形的绘制_绘制矩形 .sz
3.图形的绘制_绘制圆形 .sz
4.图形的绘制_绘制多边形.mp4
5.图形的绘制_绘制椭圆.mp4
6.图形的绘制_绘制文本.mp4
7.图形的绘制_制作水印_添加文字水印.mp4
8.图形的绘制_制作水印_添加图片水印 .sz
4.图像増强/
1.图像增强_图像平滑.mp4
2.图像平滑_均值滤波 .sz
3.图像平滑_高斯滤波 .sz
4.图像平滑_中值滤波.mp4
5.图像平滑_双边滤波.mp4
6.图像平滑_高通滤波索贝尔算子.mp4
7.图像平滑_高通滤波沙尔算子.mp4
8.图像平滑_高通滤波-拉普拉斯算子.mp4
9.图像平滑_图像浮雕与特效处理 .sz
5.几何变换/
1.几何变换_图像平移.mp4
2.几何变换_图像旋转 .sz
3.几何变换_放射变换.mp4
4.几何变换_图像缩放.mp4
5.几何变换_透视变换 .sz
6.图像分割/
1.图像分割_什么是图像分割.mp4
10.图像分割_基于K-means图像分割 .sz
11.图像分割_基于Mean-Shift均值漂移图像分割.mp4
2.图像分割_基于阈值化的分割方法 .sz
3.图像分割_基于自适应阈值图像分割.mp4
4.图像分割_基于边缘的图像分割.mp4
5.图像分割_彩色图像分割.mp4
6.图像分割_GrabCut算法分割图像.mp4
7.图像分割_分水岭分割法.mp4
8.图像分割_使用分水岭算法分割硬币图像.mp4
9.图像分割_基于聚类的图像分割.mp4
7.图像形态学/
1.图像形态学_形态学概述.mp4
10.图像形态学_霍夫直线检测 .sz
11.图像形态学_霍夫变换圆形检测.mp4
12.图像形态学_霍夫圆形检测识别圆孔.mp4
2.图像形态学_膨胀 .sz
3.图像形态学_腐蚀.mp4
4.图像形态学_开运算.mp4
5.图像形态学_闭运算.mp4
6.图像形态学_形态学梯度.mp4
7.图像形态学_顶帽运算.mp4
8.图像形态学_-黑帽运算.mp4
9.图像形态学_霍夫变换.mp4
8.轮廓检测与模板匹配/
1.轮廓检测与模板匹配_图像轮廓检测.mp4
2.轮廓检测与模板匹配_轮廓绘制 .sz
3.轮廓检测与模板匹配_轮廓的周长.mp4
4.轮廓检测与模板匹配_轮廓的面积.mp4
5.轮廓检测与模板匹配_轮廓的外接圆.mp4
6.轮廓检测与模板匹配_轮廓的外接矩形.mp4
7.轮廓检测与模板匹配_轮廓近似.mp4
8.轮廓检测与模板匹配_模版匹配 .sz
9.数字图像处理/
1.数字图像处理_直方图均衡化原理.mp4
2.数字图像处理_直方图均衡化案例 .sz
3.数字图像处理_彩色图像的亮度提升方法.mp4
4.数字图像处理_CLAHE自适应直方图均衡化.mp4
5.数字图像处理_什么是傅里叶变换.mp4
6.数字图像处理_傅里叶变换实践 .sz
14.深度学习-图像识别项目实战/
1.车牌识别/
1.OpenCV简介.mp4
10.图像处理基础解锁颜色世界HSBHSV与HSL .sz
11.OpenCV实战人脸检测与识别.mp4
12.OpenCV实战车辆检测.mp4
13.OpenCV实战车牌号识别之图像预处理.mp4
14.OpenCV实战车牌号识别之边缘检测与轮廓提取.mp4
15.OpenCV实战车牌号识别之主色调判断.mp4
16.OpenCV实战车牌号识别之图像的裁剪.mp4
17.OpenCV实战车牌号识别之OCR字符识别 .sz
2.OpenCV开发环境搭建与基础操作.mp4
3.图像处理基础读取显示 .sz
4.图像处理基础图像窗口操作.mp4
5.图像处理基础鼠标控制.mp4
6.图像处理基础滑动条事件TrackBar.mp4
7.图像处理基础OpenCV从摄像头采集视频.mp4
8.图像处理基础视频处理与视频录制.mp4
9.图像处理基础图像的多种属性.mp4
2.自然场景下的目标检测及源码分析/
1.FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4
10.FasterRCNN代码_构建head .sz
11.FasterRCNN代码_构建RPN网络_01 .sz
12.FasterRCNN代码_构建RPN网络_02.mp4
13.FasterRCNN代码_根据RPN网络得到校正后的预测的框_01.mp4
14.FasterRCNN代码_根据RPN网络得到校正后的预测的框_02.mp4
15.FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4
16.FasterRCNN代码_给RPN准备正负例样本_01.mp4
17.FasterRCNN代码_给RPN准备正负例样本_02.mp4
18.FasterRCNN代码_给RPN准备正负例样本_03 .sz
19.FasterRCNN代码_给RPN准备正负例样本_04 .sz
2.FasterRCNN项目代码_数据加载 .sz
20.FasterRCNN代码_给RPN准备正负例样本_05.mp4
21.FasterRCNN代码_给RPN准备正负例样本_06.mp4
22.FasterRCNN代码_给RPN准备正负例样本_07.mp4
23.FasterRCNN代码_给RPN准备正负例样本_08.mp4
24.FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01.mp4
25.FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4
26.FasterRCNN代码_添加Loss损失_smoothL1loss .sz
3.FasterRCNN项目代码_数据增强 .sz
4.FasterRCNN项目代码_数据初始化.mp4
5.FasterRCNN项目代码_模型的训练.mp4
6.回归整体训练流程_详解读取数据blob_01.mp4
7.回归整体训练流程_详解读取数据blob_02.mp4
8.回归整体训练流程_详解读取数据blob_03.mp4
9.回归整体训练流程_详解读取数据blob_04.mp4
3.图像风格迁移/
1.图片风格融合项目_架构_代码实现要点_1 .sz
2.图片风格融合项目_架构_代码实现要点_2 .sz
3.图片风格融合项目_架构_代码实现要点_3 .sz
4.图片风格融合项目_架构_代码实现要点_4 .sz
15.深度学习-目标检测YOLO/
1.YOLOv1详解/
1.YOLOv1论文详解_算法特点介绍.mp4
2.YOLOv1论文详解_网络架构_思想 .sz
3.YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4
4.YOLOv1论文详解_NMS_局限性 .sz
2.YOLOv2详解/
1.YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4
2.YOLOv2论文详解_mAP更better的一些点 .sz
3.YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4
4.YOLOv2论文详解_层级分类_层级分类用于目标检测 .sz
3.YOLOv3详解/
1.YOLOv3论文详解_每个框都要预测多个类别概率.mp4
2.YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53 .sz
3.YOLOv3论文详解_总结_FocalLoss.mp4
4.YOLOv4论文概述_介绍 .sz
5.YOLOv4论文概述_BOS_BOF.mp4
4.YOLOv3代码实战/
1.YOLOv3代码剖析_项目介绍 .sz
2.YOLOv3代码剖析_聚类anchors_构建backbone主干网络 .sz
3.YOLOv3代码剖析_model输出之后的预测框的计算 .sz
4.YOLOv3代码剖析_使用model预测的其余代码 .sz
5.YOLOv3代码剖析_weights到h5模型的转换 .sz
6.YOLOv3代码剖析_模型的训练部分详解 .sz
5.YOLOv4详解/
1.YOLOv4_BOF_DropBlock_FocalLoss.mp4
2.YOLOv4_BOF_GIoU_DIoU_CIoU .sz
3.YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4
4.YOLOv4_BOS_SAM_PAN_CSP_CmBN .sz
6.YOLOv5原理讲解/
1.Yolov5项目版本更迭_Yolov5模型整体架构讲解.mp4
2.Yolov5模型详细架构剖析_Focus模块 .sz
3.Yolov5模型详细架构剖析_BottleNeckCSP模块.mp4
4.Yolov5模型详细架构剖析_SPP模块.mp4
5.Yolov5模型详细架构剖析_SPP代码_SPPF模块_C3模块 .sz
6.Yolov5更高版本之模块的选择_Yolov5模型尺寸有多种选择.mp4
7.YOLOv5项目实战/
1.Yolov5项目下载_支持导出各种格式的模型_可下载不同大小的预训练模型 .sz
2.创建虚拟环境_安装Yolov5项目所需模块_验证是否正确安装pytorch .sz
3.使用LabelImg标注工具生成图像对应txt格式的标注文件 .sz
4.构建Yolov5项目训练所需数据_及训练数据的yaml配置文件 .sz
5.设置关于模型的yaml文件_训练模型所需命令_讲解训练时可选的超参数 .sz
6.运行训练脚本的日志解析_查看训练结果的文件夹内容 .sz
7.使用训练好的模型进行推理_讲解推理预测时可选的超参数 .sz
8.使用Netron小工具对Yolov5模型进行可视化 .sz
8.YOLOv8项目实战/
1.YOLOv8核心原理.mp4
10.YOLOv8目标检测训练_图像标注与标签制作 .sz
11.YOLOv8目标检测训练_基于Label-Studio图像标注.mp4
12.YOLOv8目标检测训练_数据集配置文件编写与解析 .sz
13.YOLOv8目标检测训练_训练模型 .sz
14.YOLOv8目标检测训练_检测模型结果 .sz
2.YOLOv8网络结构图_主干网络Backbone .sz
3.YOLOv8网络结构图_颈部网络Neck.mp4
4.YOLOv8网络结构图_检测头Head.mp4
5.YOLOv8技术原理_C2f模块.mp4
6.YOLOv8目标检测训练_加载预训练模型.mp4
7.YOLOv8目标检测训练_视频与网络图片检测.mp4
8.YOLOv8目标检测训练_数据集准备与管理.mp4
9.YOLOv8目标检测训练_什么是Label-Studio.mp4
16.深度学习-语义分割原理和实战/
1.上采样_双线性插值_转置卷积/
1.前言.mp4
2.上采样_repeat .sz
3.线性插值.mp4
4.双线性插值.mp4
5.转置卷积_以及TF的API.mp4
6.双线性插值作为转置卷积核的初始参数.mp4
7.ROI-Align.mp4
8.FPN思想与网络结构.mp4
9.FPN应用于FasterRCNN_ResNetFPN .sz
2.医疗图像UNet语义分割/
1.语义分割的基本概念.mp4
… 共 1613 条