飞豹客 · 课能看,资料也能带走
飞豹客算法数学 会员免费

路飞程序员AI大模型就业班

这门课解决什么工作场景 这套课程的核心并非泛泛的“AI概念科普”,而是聚焦于机器学习中最经典、面试最高频且在实际业务中仍被广泛使用的传统算法模型。它主要解决两类核心问题:一是如何对数据进行预测,例如通过线性回归预测销售额或保费;二是如何对数据进行分类与分组,例如通过逻辑斯蒂回归判断用户是否点击广告,

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
0 人关注 更新于 2026-11-19 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

会员可免费下载本篇月会员可免费领取。

开通会员 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90

会员 · 按档位

永久免费可领
年免费可领
月免费可领

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

这门课解决什么工作场景

这套课程的核心并非泛泛的“AI概念科普”,而是聚焦于机器学习中最经典、面试最高频且在实际业务中仍被广泛使用的传统算法模型。它主要解决两类核心问题:一是如何对数据进行预测,例如通过线性回归预测销售额或保费;二是如何对数据进行分类与分组,例如通过逻辑斯蒂回归判断用户是否点击广告,或通过聚类算法对用户进行分群。

对于职场人士而言,掌握这些算法意味着你不再只会调用现成的库函数,而是能够理解模型背后的数学原理和推导过程。这在处理那些数据量不大、可解释性要求高、或者需要从头实现轻量级模型的工程场景中,是极具竞争力的技能。同时,GBDT等集成学习方法是许多结构化数据竞赛的主流方案,精通这部分内容直接关联到数据分析师或初级算法工程师的岗位胜任力。

适合什么基础、建议先看哪几块

本课程适合具备Python基础语法知识,且了解基本数学概念(如导数、概率论基础)的学员。如果你对机器学习只是听说过但从未动手写过代码,或者正在准备相关岗位的面试,这套资料非常合适。鉴于标题中的“就业班”属性,课程内容从原理推导入手,难度曲线较为陡峭,建议学习者有耐心啃完数学细节。

建议的学习路径如下:首先攻克第4章线性回归优化,这是所有监督学习的基石,重点掌握归一化处理、过拟合与欠拟合的概念,以及L1/L2正则化的区别,最后通过“中国人寿保费预测”实战将全流程跑通。接着进入第5章逻辑斯蒂回归,理解二分类问题的损失函数推导及Softmax多分类扩展。随后学习第6章无监督学习中的K-means和DBSCAN,区分不同聚类场景的适用性。最后挑战第8章GBDT梯度提升树,这是进阶难点,需深入理解残差拟合的思想。先导课务必观看,以建立整体框架认知。

学完能独立做什么、资料怎么配合练习

完成本课程后,你将能够独立完成以下工作:针对连续的数值型数据建立回归模型并进行特征工程预处理;构建分类器解决二分类或多分类问题,并评估模型效果;对无标签数据进行聚类分析以发现潜在结构;独立推导常见损失函数的梯度更新公式,而非仅依赖API黑盒调用。

在资料使用上,视频文件提供了详尽的理论讲解和可视化演示,尤其是损失函数可视化部分,有助于直观理解收敛过程。由于课程侧重原理推导,单纯观看视频容易陷入“看懂了但不会写”的困境。因此,强烈建议在看完每一章节的视频后,不要直接复制网上的现成代码,而是尝试使用NumPy从零实现核心算法,例如手动实现K-means的迭代过程或逻辑斯蒂回归的梯度下降。结合实战部分的数据集(如像素特征提取、评级数据),亲手完成从数据清洗、模型训练到参数调优的全过程,才能真正将知识转化为职场能力。

课程目录

第6章无监督学习-聚类算法9 集
  • 7-DBSCAN算法实战_ev.mp4 [22.7 MB]
  • 8-分层聚类算法介绍_ev【公众号:CunWorkNotes】.mp4 [33.4 MB]
  • 9-分层聚类算法实战_ev【公众号:CunWorkNotes】.mp4 [43.8 MB]
  • 5-K-means像素特征提取_ev.mp4 [37.0 MB]
  • 1-聚类介绍_ev.mp4 [32.0 MB]
  • 2-K-means算法原理_ev【公众号:CunWorkNotes】.mp4 [33.2 MB]
  • 4-K值选择_ev【公众号:CunWorkNotes】.mp4 [35.9 MB]
  • 6-DBSCAN算法介绍_ev【公众号:CunWorkNotes】.mp4 [40.0 MB]
  • 3-K-means亚洲国家队评级_ev.mp4 [24.9 MB]
第5章线性分类-逻辑斯蒂回归9 集
  • 2-逻辑斯蒂回归-损失函数推导_ev.mp4 [19.3 MB]
  • 8-逻辑斯蒂回归-多分类实战_ev【公众号:CunWorkNotes】.mp4 [74.0 MB]
  • 6-逻辑斯蒂回归-概率根据公式复现_ev.mp4 [29.4 MB]
  • 1-什么是逻辑斯蒂回归_ev.mp4 [46.4 MB]
  • 9-逻辑斯蒂回归-softmax多分类_ev.mp4 [42.4 MB]
  • 5-逻辑斯蒂回归-概率分类演示实战_ev【公众号:CunWorkNotes】.mp4 [49.5 MB]
  • 3-逻辑斯蒂回归-损失函数可视化_ev.mp4 [50.6 MB]
  • 4-逻辑斯蒂回归-权重更新公式推导_ev【公众号:CunWorkNotes】.mp4 [22.2 MB]
  • 7-逻辑斯蒂回归-多分类原理_ev.mp4 [11.7 MB]
第4章线性回归-优化12 集
  • 4-L1正则化Lasso回归算法原理_ev【公众号:CunWorkNotes】.mp4 [77.9 MB]
  • 8-L1+L2弹性网络优化算法_ev.mp4 [49.2 MB]
  • 2-最大值最小值归一化与Z-Score归一化_ev.mp4 [72.8 MB]
  • 9-多项式回归_ev.mp4 [98.6 MB]
  • 5-L1正则化实战Lasso套索回归_ev【公众号:CunWorkNotes】.mp4 [36.9 MB]
  • 10-多项式回归天猫双十一实战_ev.mp4 [62.9 MB]
  • 1-归一化目的_ev.mp4 [47.0 MB]
  • 3-过拟合欠拟合_ev.mp4 [51.9 MB]
  • 6-L2正则化Ridge回归算法原理_ev【公众号:CunWorkNotes】.mp4 [35.7 MB]
  • 11-中国人寿保费预测实战-数据预处理_ev.mp4 [66.0 MB]
  • 12-中国人寿保费预测实战-模型训练与评估_ev.mp4 [74.6 MB]
  • 7-L2正则化实战Ridge岭回归_ev.mp4 [23.2 MB]
第8章决策树-GBDT梯度提升分类树11 集
  • 7-GBDT-剖根问底-拟合第三棵树_ev.mp4 [35.7 MB]
  • 3-GBDT-剖根问底-公式介绍_ev【公众号:CunWorkNotes】.mp4 [14.4 MB]
  • 6-GBDT-剖根问底-拟合第二棵树_ev【公众号:CunWorkNotes】.mp4 [27.2 MB]
  • 1-GBDT-理论基础-交叉熵概述_ev.mp4 [56.3 MB]
  • 2-GBDT-梯度提升分类树使用与查看_ev【公众号:CunWorkNotes】.mp4 [17.7 MB]
  • 11-GBDT-原理推导-叶节点预测值公式推导_ev.mp4 [68.7 MB]
  • 10-GBDT-原理推导-初始值公式推导_ev【公众号:CunWorkNotes】.mp4 [31.6 MB]
  • 4-GBDT-剖根问底-建模与可视化_ev.mp4 [20.5 MB]
  • 9-GBDT-原理推导-损失函数_ev.mp4 [29.4 MB]
  • 5-GBDT-剖根问底-拟合第一棵树_ev【公众号:CunWorkNotes】.mp4 [51.3 MB]
  • 8-GBDT-剖根问底-概率计算_ev.mp4 [23.2 MB]
第3章线性回归-梯度下降17 集
  • 4-梯度下降-学习率介绍_ev.mp4 [17.0 MB]
  • 2-梯度下降是什么_ev.mp4 [33.0 MB]
  • 8-梯度下降收敛判断_ev.mp4 [24.1 MB]
  • 11-三种梯度下降梯度更新公式_ev【公众号:CunWorkNotes】.mp4 [32.6 MB]
  • 13-BGD实战_ev【公众号:CunWorkNotes】.mp4 [45.5 MB]
  • 16-SGD随机梯度下降多元线性回归_ev.mp4 [56.6 MB]
  • 3-梯度下降公式_ev【公众号:CunWorkNotes】.mp4 [29.2 MB]
  • 9-梯度下降的不同方式_ev【公众号:CunWorkNotes】.mp4 [10.6 MB]
  • 10-线性回归梯度更新公式_ev【公众号:CunWorkNotes】.mp4 [22.9 MB]
  • 17-MBGD小批量梯度下降_ev.mp4 [73.4 MB]
  • 6-梯度下降-步骤_ev【公众号:CunWorkNotes】.mp4 [13.0 MB]
  • 15-SGD随机梯度下降_ev.mp4 [95.3 MB]
  • 1-梯度下降-无约束最优化_ev.mp4 [9.1 MB]
  • 5-梯度下降-全局最优解_ev.mp4 [17.0 MB]
  • 7-代码模拟梯度下降_ev.mp4 [67.7 MB]
  • 14-BGD优化与多元线性回归_ev【公众号:CunWorkNotes】.mp4 [75.6 MB]
  • 12-梯度下降优化_ev.mp4 [16.5 MB]
第1章KNN机器学习入门13 集
  • 12-KNN实战-健康医疗_ev.mp4 [100.9 MB]
  • 5-KNN模型实现过程_ev【公众号:CunWorkNotes】.mp4 [27.9 MB]
  • 8-KNN算法分类使用_ev.mp4 [56.7 MB]
  • 1-机器学习概述_ev.mp4 [19.6 MB]
  • 2-KNN算法入门概述_ev.mp4 [22.6 MB]
  • 6-KNN-距离度量_ev【公众号:CunWorkNotes】.mp4 [21.5 MB]
  • 4-KNN算法是什么?_ev【公众号:CunWorkNotes】.mp4 [18.3 MB]
  • 11-KNN实战-图像识别_ev【公众号:CunWorkNotes】.mp4 [70.0 MB]
  • 3-有监督学习与无监督学习_ev.mp4 [24.7 MB]
  • 9-KNN算法-交叉验证-参数调优_ev【公众号:CunWorkNotes】.mp4 [56.3 MB]
  • 7-KNN升华总结_ev【公众号:CunWorkNotes】.mp4 [19.5 MB]
  • 10-KNN回归-GridSearchCV模型调优_ev.mp4 [88.0 MB]
  • 13-KNN实战-人力资源_ev【公众号:CunWorkNotes】.mp4 [90.6 MB]
第2章线性回归-多元线性回归15 集
  • 7-正规方程-简单线性回归-建模_ev.mp4 [37.6 MB]
  • 9-sklearn库线性回归算法建模_ev.mp4 [72.1 MB]
  • 11-线性回归算法推导-误差分析_ev.mp4 [13.7 MB]
  • 10-线性回归算法推导-深入理解回归_ev【公众号:CunWorkNotes】.mp4 [21.5 MB]
  • 4-正规方程-矩阵转置与求导_ev.mp4 [28.0 MB]
  • 12-线性回归算法推导-最大似然估计_ev【公众号:CunWorkNotes】.mp4 [24.7 MB]
  • 6-正规方程-凸函数_ev【公众号:CunWorkNotes】.mp4 [25.2 MB]
  • 2-正规方程-最小二乘法_ev.mp4 [35.5 MB]
  • 3-正规方程-多元一次方程计算举例_ev.mp4 [36.2 MB]
  • 8-正规方程-多元线性回归-建模_ev【公众号:CunWorkNotes】.mp4 [60.0 MB]
  • 13-线性回归算法推导-误差总似然_ev.mp4 [27.5 MB]
  • 1-多元线性回归概念介绍_ev【公众号:CunWorkNotes】.mp4 [37.0 MB]
  • 5-正规方程-推导_ev【公众号:CunWorkNotes】.mp4 [41.0 MB]
  • 15-线性回归算法实战-房价预测_ev.mp4 [46.4 MB]
  • 14-线性回归算法推导-MSE推导_ev【公众号:CunWorkNotes】.mp4 [35.3 MB]
第7章决策树-分类算法7 集
  • 3-信息熵与信息增益_ev【公众号:CunWorkNotes】.mp4 [18.1 MB]
  • 5-信息熵计算举例(二)_ev.mp4 [31.3 MB]
  • 6-决策树分类指标介绍_ev【公众号:CunWorkNotes】.mp4 [43.5 MB]
  • 7-决策树算法实战_ev.mp4 [77.1 MB]
  • 4-信息熵计算举例(一)_ev.mp4 [81.8 MB]
  • 2-决策树庐山真面目_ev【公众号:CunWorkNotes】.mp4 [66.0 MB]
  • 1-决策树概述_ev【公众号:CunWorkNotes】.mp4 [20.9 MB]
第9章决策树-XGBoost算法11 集
  • 3-XGBoost目标函数之二阶泰勒展开_ev【公众号:CunWorkNotes】.mp4 [17.9 MB]
  • 8-XGBoost目标函数之与GBDT差异_ev.mp4 [46.4 MB]
  • 4-XGBoost目标函数之树结构定义_ev【公众号:CunWorkNotes】.mp4 [11.2 MB]
  • 9-XGBoost实战应用方式一_ev【公众号:CunWorkNotes】.mp4 [52.0 MB]
  • 11-XGBoost实战应用方式三_ev.mp4 [23.1 MB]
  • 6-XGBoost目标函数之叶节点归组_ev.mp4 [23.8 MB]
  • 2-XGBoost目标函数之方程介绍_ev.mp4 [30.2 MB]
  • 1-XGBoost算法介绍_ev【公众号:CunWorkNotes】.mp4 [13.0 MB]
  • 5-XGBoost目标函数之树的复杂度公式_ev.mp4 [8.9 MB]
  • 7-XGBoost目标函数之树结构得分_ev【公众号:CunWorkNotes】.mp4 [27.5 MB]
  • 10-XGBoost实战应用方式二_ev.mp4 [12.4 MB]
第10章广告收益项目实战7 集
  • 4-机器学习实战-广告收益预测-弹性网络与支持向量机超参数择优_ev【公众号:CunWorkNotes】.mp4 [37.0 MB]
  • 5-机器学习实战-广告收益预测-Xgboost算法超参数择优_ev【公众号:CunWorkNotes】.mp4 [30.7 MB]
  • 1-机器学习实战-广告收益预测-背景介绍_ev.mp4 [15.8 MB]
  • 7-机器学习实战-广告收益预测-最佳投放收益组合_ev【公众号:CunWorkNotes】.mp4 [18.5 MB]
  • 2-机器学习实战-广告收益预测-线性回归与支持向量机建模_ev【公众号:CunWorkNotes】.mp4 [17.9 MB]
  • 6-机器学习实战-广告收益预测-LightGBM算法超参数择优_ev【公众号:CunWorkNotes】.mp4 [28.1 MB]
  • 3-机器学习实战-广告收益预测-决策树系列算法建模_ev【公众号:CunWorkNotes】.mp4 [20.3 MB]
第4章day043 集
  • day04-01-自动微分与模型保存_ev.mp4 [159.4 MB]
  • day04-02-神经网络与激活函数_ev【公众号:CunWorkNotes】.mp4 [178.1 MB]
  • day04-03-反向传播算法_ev【公众号:CunWorkNotes】.mp4 [137.5 MB]
第16章day162 集
  • day16-02-BERT预训练模型优化_ev【公众号:CunWorkNotes】.mp4 [163.0 MB]
  • day16-01-Fasttext优化版本_ev【公众号:CunWorkNotes】.mp4 [177.2 MB]
第38章day382 集
  • day38-02-蒙特卡洛算法_ev.mp4 [145.0 MB]
  • day38-01-马尔科夫决策过程-01_ev【公众号:CunWorkNotes】.mp4 [136.6 MB]
第37章day372 集
  • day37-02-多臂老虎机_ev.mp4 [150.2 MB]
  • day37-01-强化学习理论_ev.mp4 [132.3 MB]
第32章day322 集
  • day32-02-大模型发展历史和重要更新_ev.mp4 [147.9 MB]
  • day32-01-大模型模式与分类回顾_ev【公众号:CunWorkNotes】.mp4 [140.1 MB]
第55章day552 集
  • day55-01-关系抽取multi-head-selection解析01_ev【公众号:CunWorkNotes】.mp4 [137.8 MB]
  • day55-02-关系抽取multi-head-selection代码解析_ev.mp4 [145.9 MB]
第21章day212 集
  • day21-01-卷积和池化原理_ev.mp4 [147.5 MB]
  • day21-02-CNN图像分类案例实战_ev【公众号:CunWorkNotes】.mp4 [107.3 MB]
第53章day532 集
  • day53-02-知识图谱概念和入门介绍_ev.mp4 [121.0 MB]
  • day53-01-大模型上下文长度扩展算法_ev.mp4 [98.4 MB]
第12章day122 集
  • day12-01-Transformer模块解析_ev.mp4 [171.6 MB]
  • day12-02-Softmax推导和数学分析_ev.mp4 [129.5 MB]
第24章day242 集
  • day24-01-Seq2Seq模型架构_ev【公众号:CunWorkNotes】.mp4 [149.3 MB]
  • day24-02-gensim训练词向量与数据处理_ev【公众号:CunWorkNotes】.mp4 [197.0 MB]
第1章day013 集
  • day01-02_ev.mp4 [58.8 MB]
  • day01-01_ev【公众号:CunWorkNotes】.mp4 [85.8 MB]
  • day01-03_ev.mp4 [209.4 MB]
第27章day272 集
  • day27-02-PGN类代码分析_ev.mp4 [180.4 MB]
  • day27-01-PGN encoder attention类代码分析_ev.mp4 [153.9 MB]
第25章day252 集
  • day25-02-seq2seq训练代码实现_ev【公众号:CunWorkNotes】.mp4 [188.9 MB]
  • day25-01-模型搭建_ev【公众号:CunWorkNotes】.mp4 [161.5 MB]
第30章day302 集
  • day30-02-回译数据法_ev.mp4 [112.3 MB]
  • day30-01-单词替换法_ev.mp4 [253.9 MB]
第34章day342 集
  • day34-02-大模型信息抽取_ev【公众号:CunWorkNotes】.mp4 [185.7 MB]
  • day34-01-大模型文本分类_ev.mp4 [166.5 MB]
第42章day422 集
  • day42-01-langchain介绍_ev【公众号:CunWorkNotes】.mp4 [122.0 MB]
  • day42-02-langchain代码初实验_ev【公众号:CunWorkNotes】.mp4 [145.5 MB]
第18章day183 集
  • day18-02-剪枝操作_ev.mp4 [61.1 MB]
  • day18-03-模型剪枝_ev【公众号:CunWorkNotes】.mp4 [138.4 MB]
  • dat18-01-模型量化_ev【公众号:CunWorkNotes】.mp4 [91.2 MB]
第49章day492 集
  • day49-02-大模型面试题2_ev【公众号:CunWorkNotes】.mp4 [112.1 MB]
  • day49-01-大模型面试题1_ev.mp4 [146.6 MB]
第50章day502 集
  • day50-02-面试题解析2_ev【公众号:CunWorkNotes】.mp4 [130.4 MB]
  • day50-01-面试题解析1_ev.mp4 [158.2 MB]
第48章day482 集
  • day48-01-简历面试1_ev.mp4 [113.2 MB]
  • day48-02-简历面试2_ev.mp4 [212.5 MB]
第41章day412 集
  • day41-02-DQN代码实战_ev【公众号:CunWorkNotes】.mp4 [140.9 MB]
  • day41-01-DQN网络原理_ev.mp4 [115.2 MB]
第54章day542 集
  • day54-02-IDCNN模型代码解析和训练_ev.mp4 [97.8 MB]
  • day54-01-IDCNN架构和代码解析1_ev.mp4 [131.8 MB]
第11章day112 集
  • day11-01-迁移学习_ev.mp4 [152.8 MB]
  • day11-02-BERT模型_ev【公众号:CunWorkNotes】.mp4 [180.7 MB]
第43章day432 集
  • day43-02-FucntionCall代码实战_ev【公众号:CunWorkNotes】.mp4 [163.5 MB]
  • day43-01-LangchainAPI示例_ev【公众号:CunWorkNotes】.mp4 [161.1 MB]
  • … 其余 527 项略,目录共 727 项