飞豹客 · 课能看,资料也能带走
飞豹客AI

人工智能深度学习系统班(第十五期)

这套课解决什么问题 人工智能深度学习系统班第十五期是一套 34 章的长线课程,主线从 Python、机器学习、深度学习框架讲起,再分成 CV、LLM、数据科学与时序、强化学习几条方向,最后补上语音、推荐、AI 辅助开发和科研方法。它更适合想一次性把深度学习到大模型应用的主干打通的人,而不是只想看几个

单课价¥99.00新品 上架
会员价¥49.50开通会员,全站课程按会员价下载套餐详情
0 人关注 更新于 2026-11-07 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥99.00

会员 · 按档位

永久¥49.505折
年¥59.406折
月¥69.307折

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

这套课解决什么问题

人工智能深度学习系统班第十五期是一套 34 章的长线课程,主线从 Python、机器学习、深度学习框架讲起,再分成 CV、LLM、数据科学与时序、强化学习几条方向,最后补上语音、推荐、AI 辅助开发和科研方法。它更适合想一次性把深度学习到大模型应用的主干打通的人,而不是只想看几个热点章节的速成需求。课程体量摆在这里,真正学完需要按周排期;如果只是收藏,34 章很容易变成负担。

选之前先想清楚自己缺哪一段:缺编程和数学基础,就先看前五章;已经能训练模型,但没做过视觉项目,就把 CV 线当作主线;主要做文本和知识库,则直接从 LLM 线切入。课程把多条方向放在一起,好处是覆盖面完整,代价是没有人能替你决定优先级,必须自己删减。

什么基础可以跟,怎么排顺序

第 1~5 章是公共基础,建议按顺序走完:导学课先确认学习目标,Python 部分至少能独立写脚本和处理文件,机器学习与深度学习基础要把训练、验证、过拟合、梯度这些概念弄清楚,再进框架和核心算法。第 6~12 章是 CV 线,从分类、检测、分割到视频理解、姿态估计、目标追踪,再到生成模型、3D 视觉和 SLAM,工程量和数学要求逐步抬高。第 13~21 章是 LLM 线,词向量和预训练架构是底座,微调对齐、部署优化、RAG、Agent、低代码工作流、多模态和知识图谱更贴近当前岗位。

第 22~27 章偏数据科学与行业落地,表格建模、时序预测、医疗时序、图神经网络和 PINN 适合作数据分析或工业方向的人。第 28~34 章按需选学:强化学习与机器人控制、语音识别与合成、推荐系统、CodeBuddy 辅助开发和科研方法,不必强求全勤。比较稳的节奏是先完成基础模块,再从 CV 和 LLM 里选一条主线,把一条线做透之后,再回头补另一条线里与你工作相关的章节。

学完能独立做什么,资料怎么用

基础加 CV 线走完,应该能独立完成图像分类、目标检测、图像分割和视频理解类项目,知道数据标注、训练调参、评估和部署各环节怎么衔接。LLM 线走完,能做大模型微调与对齐、推理部署、RAG 知识库和 Agent 应用,并对成本、延迟和效果之间的取舍有概念。时序与行业模块更看重把业务数据整理成可建模的问题;强化学习、语音和推荐则适合已有明确项目需求的人补课。建议每学完一章就留一个小项目,把数据、训练、评估和部署跑完整,别只停在看视频。

下方目录共 34 章,按基础、CV、LLM、数据科学与时序、强化学习、智能应用六个板块整理。课程售价 250 元,下载方式请在购买后联系客服获取;目录用来判断内容是否匹配你的方向,不建议按章数平均分配时间。

课程目录共 34 章,按基础 → CV → LLM → 数据科学与时序 → 强化学习 → 智能应用推进。基础模块第 1–5 章 · 5 章第一章 深度学习启航:开班典礼与导学课第二章 【基础模块】Python编程基础第三章 【基础模块】机器学习基础知识第四章 【基础模块】深度学习基础与框架第五章 【基础模块】深度学习核心算法与实践CV 方向第 6–12 章 · 7 章第六章 【CV方向】视觉基础模型与分类任务实战第七章 【CV方向】目标检测第八章 【CV方向】图像分割第九章 【CV方向】视频理解、姿态估计与目标追踪第十章 【CV方向】生成模型与图像生成技术第十一章 【CV方向】3D视觉与SLAM第十二章 【CV方向】CV 综合串讲与方向选择LLM 方向第 13–21 章 · 9 章第十三章 【LLM方向】NLP基础与词向量第十四章 【LLM方向】预训练模型与大模型架构第十五章 【LLM方向】大模型微调与对齐第十六章 【LLM方向】大模型优化与部署实战第十七章 【LLM方向】RAG检索增强知识库第十八章 【LLM方向】Agent开发与平台工程第十九章 【LLM方向】低代码Agent与AIGC工作流第二十章 【LLM方向】多模态大模型第二十一章 【LLM方向】知识图谱与LLM结合数据科学与时序方向第 22–27 章 · 6 章第二十二章 【数据科学与时序方向】数据分析与特征工程基础第二十三章 【数据科学与时序方向】经典机器学习与表格数据建模第二十四章 【数据科学与时序方向】时序预测第二十五章 【数据科学与时序方向】医疗时序分析与行业落地第二十六章 【数据科学与时序方向】图神经网络第二十七章 【数据科学与时序方向】PINN物理信息神经网络强化学习第 28–29 章 · 2 章第二十八章 【强化学习】强化学习基础算法与实战第二十九章 【强化学习】人形机器人高级学习与控制方法智能应用与 AI 辅助开发第 30–34 章 · 5 章第三十章 【智能应用】语音识别与语音合成第三十一章 【智能应用】现代推荐系统与实战第三十二章 【AI 辅助开发】CodeBuddy实战第三十三章 【AI 辅助开发】CodeBuddy辅助科研进阶第三十四章 科研方法论与职业发展