AI人工智能(neng)需要学哪些课程(cheng)(cheng)？参(can)加很(hen)大程(cheng)(cheng)度上是(shi)为了就业，其(qi)实(shi)人工智能(neng)工程(cheng)(cheng)师如(ru)果想(xiang)要获得更(geng)高的(de)薪资还是(shi)需要掌握更(geng)扎实(shi)的(de)知识基础的(de)，目前(qian)AI人工智能(neng)比较火(huo)，但是(shi)切莫盲目跟风(feng)，AI人工智能(neng)学习还需要我们(men)脚踏实(shi)地(di)的(de)进(jin)行学习。

达内AI人工智能(neng)培训课(ke)程(cheng)是符合企业(ye)需(xu)求的课(ke)程(cheng)标准，提供实战(zhan)机会。那么(me)达内AI人工智能(neng)需(xu)要学哪些课(ke)程(cheng)？

达内(nei)AI人工智能培训课程(cheng)学(xue)习内(nei)容第一(yi)步(bu)：Python核(he)心语言

1、Python核心

AI行业生(sheng)态、Python技能矩阵、计算机(ji)核(he)心架构、Python程(cheng)序构成及(ji)运行原理、变(bian)量、赋值

数据(ju)与数据(ju)操作(zuo)：核心数据(ju)类(lei)型、数据(ju)类(lei)型转换(huan)、运算符

流程控制语(yu)句：分(fen)支语(yu)句、循环语(yu)句、循环嵌套(tao)、跳转(zhuan)语(yu)句、pass语(yu)句

列(lie)表(biao)与元组：基础(chu)操作、内存(cun)分配(pei)、动态扩容(rong)(rong)原理、列(lie)表(biao)推导(dao)式(shi)、元组解包、常用函(han)数字典：基础(chu)操作、内存(cun)分配(pei)、哈希算(suan)法、开发寻址、字典推导(dao)式(shi)、常用函(han)数容(rong)(rong)器(qi)综合(he)训练：列(lie)表(biao)与字典嵌(qian)套

函数：定义与调(diao)用、形参(can)(can)与实参(can)(can)、返回值、作用域(yu)、内存分配、设计(ji)原则复习(xi)与串讲(jiang)：基本语法复习(xi)与串讲(jiang)

2、面向对象程序设计

对象和类、内存(cun)分配、实(shi)例成员、类成员、跨(kua)类调用

MVC架构模式

封装、单继(ji)承(cheng)、多(duo)继(ji)承(cheng)、多(duo)态(tai)、重写、重载、设计原则

复习(xi)与串讲：OOP复习(xi)与串讲

3、Python高级

模块(kuai)与包、导入、常用模块(kuai)

异常处理、迭代器、生成器

lambda表达式、高阶函数、闭包函数、装(zhuang)饰(shi)器

10、文件(jian)读写、with语(yu)句

复(fu)习(xi)与串讲：高(gao)级语法复(fu)习(xi)与串讲

阶段(duan)项(xiang)目实(shi)战：综合项目：基于MVC架构与PyQT的数瞰商智运营系(xi)统

达内(nei)AI人工智能培(pei)训课程(cheng)学(xue)习内(nei)容第二步(bu)：数据科学(xue)与商业(ye)智能

1、商业智能数据中枢(+Hive)

数(shu)据库初识；数(shu)据定义语(yu)言：数(shu)据库/数(shu)据表的创建、查看、删除、修改

数(shu)据操作(zuo)与查询：新增、修改与删除数(shu)据；数(shu)据基础(chu)查询、算(suan)数(shu)运(yun)算(suan)、条件运(yun)算(suan)、where子句与逻辑运(yun)算(suan)

高级查(cha)询：模糊查(cha)询、限(xian)制(zhi)查(cha)询、联合(he)查(cha)询、聚合(he)查(cha)询、子(zi)查(cha)询、传参子(zi)查(cha)询、表关联

综合案例：教育机构数(shu)(shu)据查询、企业(ye)员工数(shu)(shu)据查询；日期函(han)数(shu)(shu)与字符串函(han)数(shu)(shu)

窗口函数：统计类(lei)窗口函数、偏(pian)移函数、排序(xu)窗口函数、分(fen)组函数

自定义函数、存储过程(cheng)；企业实(shi)战(zhan)：日(ri)周月包宽(kuan)表制(zhi)作与指标计算

综(zong)合案例：依据业务规则的用户(hu)分层与(yu)业务应用

A！大模型(xing)-专题一(yi)：传(chuan)统SOL查(cha)询(xun)(xun)vs智能增强査(cha)询(xun)(xun)、高效SOL语句编(bian)写(xie)、SOL查(cha)询(xun)(xun)的验证与(yu)优化、SOL查(cha)询(xun)(xun)语法勘误

概(gai)述(shu)(HDFS、MapReduce)、Hive数据模型(xing)(分区(qu)、分桶、外部表(biao))

Hive复合类型(xing)访问及函(han)数(shu)(shu)(数(shu)(shu)组(zu)、字段(duan)和结构体的(de)访问及函(han)数(shu)(shu))

综合案(an)例(li)：基于提高在(zai)线教育充课率(lv)的用户成长(zhang)策(ce)略

阶(jie)段(duan)项目：基(ji)于数据(ju)库(ku)的电商销(xiao)售管理系统

2、数据科学思维与工具

PowerBl介绍、数据清洗、数据建模、数据可视化

目(mu)标(biao)拆解(jie)(jie)：目(mu)标(biao)制定流程、月度目(mu)标(biao)拆解(jie)(jie)、每日目(mu)标(biao)拆解(jie)(jie)、RFM用户标(biao)签

PowerBl可视(shi)化实践：企业(ye)驾驶舱、门店经营分析(xi)、产(chan)品(pin)分析(xi)、用(yong)户分析(xi)看板搭建

数据分析就业、职责与技能要求、数据分析步、思维(wei)与指标体系、DeepSeek在Office的部署

Excle数据(ju)分析基础(chu)：自动填充、地址引用、数据(ju)验(yan)证、数据(ju)排序(xu)、数据(ju)筛选、条件(jian)格式；数据(ju)处理(li)方法与业(ye)务场景：重复数据(ju)、缺(que)失值数据(ju)一致性、异常值处理(li)、数据(ju)分列

基于(yu)函(han)(han)数(shu)的数(shu)据(ju)提取与(yu)表关联：文本(ben)函(han)(han)数(shu)、日期函(han)(han)数(shu)、数(shu)学(xue)函(han)(han)数(shu)、查找引用函(han)(han)数(shu)、逻辑函(han)(han)数(shu)；数(shu)据(ju)统(tong)计与(yu)分析(xi)：统(tong)计函(han)(han)数(shu)、透视(shi)表与(yu)切片

数据(ju)可(ke)视化：图(tu)表的(de)基(ji)础应用(yong)与高(gao)级应用(yong)；预测(ce)分(fen)析：数据(ju)相关(guan)性、线性型、时间(jian)序列模型

综合案(an)例-职业(ye)教育学科调整(zheng)决策辅助：数(shu)据(ju)(ju)分析(xi)步骤、数(shu)据(ju)(ju)处理方法与函数(shu)、可视化看(kan)板搭(da)建、项目报告(gao)撰写、项目落简历(li)

数据分(fen)析(xi)常用方(fang)法：描述性(xing)统计、分(fen)组分(fen)析(xi)、矩阵分(fen)析(xi)、斗分(fen)析(xi)、RFM模型、帕累(lei)托分(fen)析(xi)、综合分(fen)析(xi)、综合案(an)例

AI大(da)模(mo)型(xing),专(zhuan)(zhuan)题二：高效数据(ju)(ju)处理、数据(ju)(ju)统计、数据(ju)(ju)可视化、数据(ju)(ju)预(yu)测(ce)与业(ye)务诊断AI大(da)模(mo)型(xing)-专(zhuan)(zhuan)题三：竞品分(fen)析与年度分(fen)析报(bao)告(gao)

达内(nei)AI人工(gong)智(zhi)能(neng)培训(xun)课程学习(xi)内(nei)容第(di)三步：机(ji)器学习(xi)与数据(ju)挖掘

1、科学计算库

Numpy基本知(zhi)识：创建(jian)Ndarray数(shu)(shu)(shu)组(zu)、数(shu)(shu)(shu)组(zu)性(xing)、数(shu)(shu)(shu)组(zu)操作、掩码操作、统计函数(shu)(shu)(shu)、算数(shu)(shu)(shu)函数(shu)(shu)(shu)

Pandas基(ji)础知识：创建Series、Dataframe、索引和切片操(cao)作(zuo)、布(bu)尔掩码(ma)操(cao)作(zuo)、标签筛选(xuan)操(cao)作(zuo)、字符串操(cao)作(zuo)、pandas获取(qu)数据(excel,csv,sql等(deng))

Matplotlib及Pandas可视化：Matplotlib基(ji)础绘(hui)图(tu)(tu)(tu)、Pandas数据(ju)可视化之折线图(tu)(tu)(tu)、柱状图(tu)(tu)(tu)、饼图(tu)(tu)(tu)、散(san)点图(tu)(tu)(tu)、统计直方图(tu)(tu)(tu)、箱线图(tu)(tu)(tu)、橱(chu)率密度(du)图(tu)(tu)(tu)、子图(tu)(tu)(tu)

描述性分(fen)(fen)析及分(fen)(fen)组分(fen)(fen)析：描述性统计(ji)分(fen)(fen)析、探索(suo)性分(fen)(fen)析、分(fen)(fen)组聚合、数据透视表、交(jiao)叉表

数据(ju)预处(chu)(chu)理(li)：合并数据(ju)、清洗数据(ju)、标准化数据(ju)、均值移除、范围缩放、归(gui)一化、独热编(bian)码、标记编(bian)码、特(te)征(zheng)工(gong)程(cheng)、正则、二手房源数据(ju)预处(chu)(chu)理(li)

2、Pandas项目实战

【医疗行业项目实战】朝阳医院指标搭建及(ji)销售数(shu)据汇总

【电(dian)商行业项目实战】优(you)衣库(ku)销售(shou)数据分析、4P分析法、目标额度分配

【金(jin)融行业项目实战】银(yin)行业电话营销活(huo)动分(fen)析Pandas项目实战

【通(tong)信行业(ye)项目实(shi)战】通(tong)讯公司客户(hu)响应速(su)度提升项目

【零售行(xing)业项目实战】新(xin)零售超市经(jing)营分析、SWOT竞品分析、活动分析

【互联网行业项(xiang)目实战(zhan)】滴(di)滴(di)出行运营数据指标(biao)异常(chang)情况分(fen)析(xi)

【电(dian)(dian)商(shang)行业项目(mu)实(shi)战】淘宝百万(wan)级用户行为(wei)分析(xi)、跨境电(dian)(dian)商(shang)年度复盘分析(xi)

3、Al数学基础

【统计学(xue)基础(chu)】统计学(xue)概(gai)述、概(gai)率分布、中心(xin)极限定理、三大分布、参数估(gu)计、假(jia)设检验、ABTest

【线性代(dai)数】向量、矩阵计(ji)算

【微积分】梯(ti)度、求导(dao)、偏(pian)导(dao)数

4、机器学习及数据挖掘

【机(ji)器学(xue)习概述(shu)】机(ji)器学(xue)习的定义、分类、应(ying)用场景

【回(hui)归问题-线性(xing)回(hui)归】线性(xing)模型的(de)定义、线性(xing)回(hui)归、线性(xing)模型训练方法(fa)(损失函数、梯度下降、学习率(lv)、偏微分(fen))、梯度消失与梯度爆仨

【回(hui)(hui)(hui)(hui)归(gui)问题-多项式(shi)(shi)回(hui)(hui)(hui)(hui)归(gui)】多项式(shi)(shi)的(de)定义、多项式(shi)(shi)回(hui)(hui)(hui)(hui)归(gui)、欠拟合(he)过(guo)拟合(he)、Lasso回(hui)(hui)(hui)(hui)归(gui)与(yu)岭回(hui)(hui)(hui)(hui)归(gui)、回(hui)(hui)(hui)(hui)归(gui)模型评价(jia)

【回归问题案例】财政(zheng)收入(ru)数据特征选择(ze)

【回(hui)归(gui)问题-决(jue)策树回(hui)归(gui)】决(jue)策树的定义、决(jue)策树回(hui)归(gui)实现方法机器(qi)学习及(ji)数据挖(wa)掘

【分类问题-逻辑回归】逻辑回归定(ding)义、Sigmoid函数、交叉熵、多(duo)分类实现(xian)

【分类问(wen)题-SVM】支持向量(liang)机(SVM)原理、核(he)函数(shu)(线性(xing)核(he)函数(shu)、多项式(shi)核(he)函数(shu)、径向基核(he)函数(shu))

【分类(lei)问题-朴(po)(po)素贝(bei)(bei)叶(ye)斯】贝(bei)(bei)叶(ye)斯定(ding)理、朴(po)(po)素贝(bei)(bei)叶(ye)斯分类(lei)器

【分类问题-决策树】决策树概述、信(xin)息熵(shang)、信(xin)息增益、增益率、基尼系(xi)数、ID3算(suan)法、C4.5算(suan)法

【分(fen)类综合案(an)例】人(ren)力资源数据分(fen)析与挖(wa)掘

【集成学习】CART和集成算法：Boosting/Bagging/Stacking、AdaBoost、GBDT、XGBoost、随(sui)机森林

【聚(ju)类问(wen)题(ti)】距离(li)(li)算法(欧式距离(li)(li)、曼哈(ha)顿(dun)距离(li)(li)、切比雪夫距离(li)(li)、闵(min)可夫斯基(ji)距离(li)(li))、聚(ju)类模型划分、经(jing)典(dian)聚(ju)类算法(k-meansDBSCAN)、聚(ju)类问(wen)题(ti)评(ping)价指(zhi)标(CH指(zhi)数(shu)、轮廓系数(shu))

【聚类(lei)问题综合案(an)例】航空公司客户(hu)价值(zhi)分析

【时间序列(lie)模型(xing)】ARMA/ARIMA

【模型评(ping)估(gu)与优化】分类问题评(ping)估(gu)方(fang)(fang)法、回归问题评(ping)估(gu)方(fang)(fang)法、超参(can)数调优方(fang)(fang)法

【机(ji)器学习综(zong)合(he)案例】信(xin)用贷(dai)贷(dai)前审批项目、风控模型搭建(jian)、Smote算法

达内(nei)AI人(ren)工智能培训课程(cheng)学习(xi)(xi)内(nei)容第四(si)步：深度学习(xi)(xi)

1、深度学习基础

【深(shen)(shen)度(du)学(xue)(xue)习(xi)(xi)基本(ben)理(li)论】深(shen)(shen)度(du)学(xue)(xue)习(xi)(xi)概述(定义(yi)、优缺点(dian)、与机器学(xue)(xue)习(xi)(xi)对比(bi)、课程内(nei)容与特点(dian)、发展史)、感(gan)知机、神(shen)经网络、激活(huo)函数(阶跃函数、Siqmoid、tanh、Softmax)、损失函数(均方差(cha)、交叉熵)、梯度(du)下降、反向传播算法

【卷积(ji)神经(jing)网络】卷积(ji)函数、卷积(ji)运(yun)算、CNN(卷积(ji)层、激活层、池(chi)化层、全连接层)、经(jing)典CNN模型介(jie)绍(LeNet、AlexNet、VGG、ResNet)

【循(xun)环神(shen)经网络】经典时(shi)间序列(lie)模型(RNN、LSTM)

【Transformer】注意力(li)/自注意力(li)机制(zhi)、多头注意力(li)机制(zhi)、Transformer

2、计算机视觉(CV)

【计算(suan)机图像基本理论(lun)】计算(suan)机视(shi)觉概述、计算(suan)机成像原理、采样率与分辨率、灰(hui)度级与灰(hui)度图像、色彩空间

【图(tu)像(xiang)形态变换(huan)】算(suan)术计算(suan)(图(tu)像(xiang)加减法(fa)、图(tu)像(xiang)位运(yun)算(suan))、坐标变换(huan)(旋(xuan)转、平移、缩放、镜(jing)像(xiang))、透(tou)视(shi)变换(huan)、仿(fang)射变换(huan)、图(tu)像(xiang)腐蚀与胀、开运(yun)算(suan)与闭(bi)运(yun)算(suan)、形态学梯(ti)度(du)

【图(tu)(tu)像色彩变换】颜色空间变换、图(tu)(tu)像灰度(du)化(hua)(hua)处理、二值化(hua)(hua)与反二值化(hua)(hua)、直方(fang)图(tu)(tu)与直方(fang)图(tu)(tu)均衡化(hua)(hua)处理、颜色通道操作、色彩提取

【图(tu)(tu)像梯度(du)处理】模(mo)糊与(yu)锐化、边(bian)沿检(jian)测(ce)、模(mo)板运算(图(tu)(tu)像滤波)

【OpenCV图(tu)像(xiang)(xiang)预处理技术】OpenCV简介与(yu)(yu)安(an)装、图(tu)像(xiang)(xiang)色(se)彩操作与(yu)(yu)变换(huan)(灰度化处理、颜色(se)通道(dao)操作、直方图(tu)均衡化、色(se)彩提取、二值(zhi)化与(yu)(yu)反二值(zhi)化)、图(tu)像(xiang)(xiang)形(xing)态操作与(yu)(yu)变换(huan)(图(tu)像(xiang)(xiang)加减法、图(tu)像(xiang)(xiang)位运算(suan)(suan)、旋(xuan)转(zhuan)、平移、缩放、镜(jing)像(xiang)(xiang)、透视变换(huan)、仿射变换(huan)、图(tu)像(xiang)(xiang)腐(fu)蚀(shi)与(yu)(yu)膨胀、开运算(suan)(suan)与(yu)(yu)闭(bi)运算(suan)(suan)、形(xing)态学梯度)、图(tu)像(xiang)(xiang)梯度(模糊与(yu)(yu)锐化、边(bian)沿检(jian)测、板(ban)运算(suan)(suan))

【图(tu)像(xiang)技术(shu)与AI】图(tu)像(xiang)增强技术(shu)、图(tu)像(xiang)技术(shu)的局限

【综(zong)合项(xiang)目】通过透视变换进行(xing)(xing)图(tu)像(xiang)校正(样(yang)本分析(xi)、技术(shu)路线选择、图(tu)像(xiang)灰(hui)度(du)化处理、图(tu)像(xiang)平滑(hua)及(ji)边(bian)沿(yan)(yan)检(jian)测(ce)、轮廊与边(bian)沿(yan)(yan)提取、计算生标(biao)构建(jian)透视变换矩阵、执行(xing)(xing)透视变换)

【综合(he)项目】集(ji)成电路(lu)质量检测系(xi)统(样本(ben)分析、技术路(lu)线选择、图(tu)像(xiang)灰度(du)化处理、二值化处理、图(tu)像(xiang)膨胀(zhang)、图(tu)像(xiang)填充、图(tu)像(xiang)差异分析。瑕疵(ci)检测与标记(ji))

【PyTorch基(ji)础】概述、体系结构、基(ji)本概念(nian)、张量(liang)操作(zuo)(数据类型(xing)、常用属性、类型(xing)转换、形状改变、数学计算(suan))、ModuleList与(yu)Sequential、模型(xing)定(ding)义与(yu)保(bao)存(cun)

【PyTorch高级】模型保(bao)存与(yu)加载(zai)、数(shu)据读(du)取(qu)、文(wen)(wen)件队列(lie)、文(wen)(wen)本(ben)文(wen)(wen)件/图像样本(ben)读(du)取(qu)、样本(ben)批处理

【综合案例】搭(da)建CNN网(wang)络

【PaddlePaddle基(ji)础】PaddlePaddle概(gai)述、体系(xi)结(jie)构、基(ji)本概(gai)念(Tensor、Layer、Variable、Program、Optimizer)、数据读取(qu)(顺序读取(qu)器、随机读取(qu)器、批量读取(qu)器)

【综(zong)合(he)案例1】线性回(hui)归

【综合(he)案例2】多元回归案例(波士(shi)顿房价(jia)预(yu)测)

【PaddlePaddleCV】图(tu)像(xiang)(xiang)分(fen)(fen)类(lei)问题橱(chu)述、分(fen)(fen)类(lei)粒(li)度、图(tu)像(xiang)(xiang)分(fen)(fen)类(lei)发展历程、图(tu)像(xiang)(xiang)分(fen)(fen)类(lei)的挑战、图(tu)像(xiang)(xiang)分(fen)(fen)类(lei)的应用(yong)、常用(yong)数(shu)据(ju)集(ji)(MNIST、IFAR10、ImageNet、FDDB、WIDERFace)

【综(zong)合案(an)例】使用CNN实现彩色(se)图像(xiang)分类、图像(xiang)数(shu)据标注、深(shen)度(du)CNN搭(da)建、模型参(can)数(shu)调整

【图像(xiang)分类(lei)优(you)化(hua)】样(yang)本(ben)优(you)化(hua)、参数优(you)化(hua)、模型优(you)化(hua)

【目标检(jian)测(ce)(ce)基本理(li)论(lun)】橱(chu)述(定义、核心问题、算法分类、应用)、TowSatege检(jian)测(ce)(ce)技术(shu)(R-CNN、FastR-CNN、FasterR-CNN)OneStage检(jian)测(ce)(ce)技术(shu)(YOLO1~YOLO11系列、SSD)、常用数据集(ji)、常用图像(xiang)标注工具

【(图像(xiang)标注工(gong)具】Labellmg工(gong)具安装、使(shi)用

【YOLO3模(mo)型实(shi)现】定义全(quan)局参(can)数(shu)、日志工(gong)具、搭(da)建darknet-53网络模(mo)型、数(shu)据增强、损失(shi)函(han)数(shu)、训练、测试部分代码

【YOLOv8模(mo)型(xing)实(shi)现】通过ultralytics框架实(shi)现数据准(zhun)备、模(mo)型(xing)训练(lian)、模(mo)型(xing)评估(gu)、模(mo)型(xing)推(tui)理、输出模(mo)型(xing)。

【YOLOv11模(mo)(mo)型实(shi)现】通(tong)过ultralytics框架实(shi)现数(shu)据准备、模(mo)(mo)型训练(lian)、模(mo)(mo)型评估、模(mo)(mo)型推理(li)、输出模(mo)(mo)型,

【综(zong)合项目】利用目标检(jian)测技术(shu)实(shi)现(xian)工(gong)业质检(jian)(样本(ben)分析、技术(shu)路线(xian)选(xuan)择、样本(ben)增强、CNN模型搭建与训练、参数调优、欠(qian)拟合与过(guo)拟合处理(li))

【综合项目】利(li)用(yong)训练好的YOLOv11模(mo)型，结合PyQt5实现可视化模(mo)型推理界面，可以(yi)上传图片进行检(jian)测(ce)、上传视频进行检(jian)测(ce)、实时摄象头进行检(jian)测(ce)、检(jian)测(ce)种类(lei)达到80个(ge)类(lei)别

 【OCR基本理论(lun)】OCR概述(shu)(定义、一般步、与(yu)目标检测的区别、难(nan)点、评估指(zhi)标、应用(yong))

【CTPN模型】模型简介、具体步骤、网络结构、损失函数、性能(neng)、特点

【SegLink模型】模型简介、网络结构(gou)、Link与Segment、预(yu)测参数(shu)的(de)表示、损(sun)失函(han)数(shu)、性(xing)能、特点(dian)

【DBNet】基(ji)于(yu)图像分割的(de)ORC简介(jie)、模型结构、可微(wei)分二值函数、性能、特点

【CRNN+CTC模型】特(te)点(dian)、网络(luo)结(jie)(jie)构、特(te)征提取、序(xu)列标注、转录(lu)、网络(luo)训练、结(jie)(jie)论、编码实现

【OCR模(mo)型(xing)(xing)优化(hua)(hua)】数据优化(hua)(hua)、模(mo)型(xing)(xing)优化(hua)(hua)、参数优化(hua)(hua)、集(ji)成学习、外部(bu)环境(jing)改(gai)善

【图(tu)(tu)像(xiang)(xiang)分(fen)割】图(tu)(tu)像(xiang)(xiang)分(fen)割概述(shu)、应用、图(tu)(tu)像(xiang)(xiang)分(fen)割基本原理、全卷积网络(FCN)、图(tu)(tu)像(xiang)(xiang)分(fen)割数据集介绍、图(tu)(tu)像(xiang)(xiang)分(fen)割标注工具(ju)介绍

【图(tu)像分割经(jing)典模型(xing)】UNet模型(xing)(网(wang)络结(jie)构、训(xun)(xun)练细节、效果(guo)及特(te)点)、MaSK-RCNN(主(zhu)要思想、网(wang)络结(jie)构、损(sun)失函(han)数(shu)、训(xun)(xun)练细节效果(guo)及特(te)点)、Deeplab系列模型(xing)(主(zhu)要思想、网(wang)络结(jie)构、损(sun)失函(han)数(shu)、训(xun)(xun)练过程(cheng)、效果(guo)及特(te)点)、TransUNet(结(jie)合Transformer和UNet的图(tu)像分割模型(xing))

3、自然(ran)语(yu)言处(chu)理基础(NLP)

【NLP概(gai)述及基本概(gai)念】NLP简(jian)介、定义、主(zhu)要任务、发(fa)展历程、困难与挑(tiao)战(zhan)

【NLP知识(shi)体系】数(shu)学基础、NLP处理技术、机器(qi)学习模型、工(gong)具与框(kuang)架、外(wai)部资源(yuan)(语料库、词典)

【NLP传统处理技术】分词(ci)、词(ci)性标注(zhu)、命名实(shi)体识别(bie)(NER)、关(guan)键词(ci)提取

【综合(he)案例(li)】垃(la)圾邮件识别

【文本表示】独(du)热(re)表示(One-hot)、词袋模型、TF-IDF、共现矩阵、词嵌入

【语言模(mo)(mo)(mo)型】语言模(mo)(mo)(mo)型定义、N-Gram模(mo)(mo)(mo)型、神经网络语言模(mo)(mo)(mo)型(NNLM)、Word2Vec、skip-gram(模(mo)(mo)(mo)型原理、负采样)、CBOW

【综合案(an)例】利(li)用(yong)(yong)Word2Vec训练词向量(liang)【循(xun)环(huan)神经网络】RNN(循(xun)环(huan)神经网络)基(ji)(ji)本(ben)概念(nian)、RNN发展历史、RNN基(ji)(ji)本(ben)框架、RNN典型应用(yong)(yong)、时(shi)间反(fan)向传播算(suan)法(fa)(BPTT)

【LSTM模型】LSTM(长短期记忆)模型基(ji)本(ben)概(gai)念、内(nei)部结构(输(shu)入门、遗(yi)忘(wang)门、输(shu)出(chu)门)

【注(zhu)意(yi)力与(yu)Transformer】Seq2seq模(mo)(mo)型(xing)、注(zhu)意(yi)力机制(Attension)、Self-Attension、Transformer模(mo)(mo)型(xing)、模(mo)(mo)型(xing)预训练与(yu)微调、BERT模(mo)(mo)型(xing)

【项(xiang)目】基(ji)于Transformer的翻(fan)译系统

【大模型算法与(yu)原(yuan)理】GPT1/GPT2/GPT3、InstructGPT、ChatGPT、BERT、GPT与(yu)BERT的(de)比较

【项目：快递单实体抽(chou)取】数据集介绍、深度学习NER思想、数据标注方法、代码实现

达(da)内(nei)AI人工智能培训课(ke)程学习内(nei)容第五步：AIGC与大模(mo)型(xing)

【大模(mo)型开发(fa)生态介绍】大模(mo)型开发(fa)背(bei)景、大模(mo)型改(gai)进(jin)方向、主流大模(mo)型对(dui)比、LLM应(ying)用三个层级、Langchain六大模(mo)块介绍(I/0.Retrieval、chain、agent、memory、callback)

【DeepSeek大模(mo)型开(kai)发】DeepSeek开(kai)放平(ping)台介绍、安装SDK、创建应用(yong)(yong)、密钥管(guan)理(li)、调(diao)用(yong)(yong)LLM

【Prompt工程】Prompt工程介(jie)绍、Prompt调优、Few-Shot、One-Shot、LLM温度调节(jie)、思维链、进(jin)阶(jie)技巧(自(zi)治性，思维树，提示(shi)词注入，入场(chang)拦截与出场(chang)拦截)

【Agent-上】agent介(jie)绍、code平台介(jie)绍、搭建低代(dai)码(ma)代(dai)理(li)

【Rag技(ji)术】检(jian)索增强(qiang)生成(cheng)介绍(shao)、向量数据库ChromaDB

【千帆平(ping)台】简介(jie)介(jie)绍、知识库搭建、完成推理、进(jin)阶(jie)技巧(文本(ben)分割的颗粒(li)度、Rag改进(jin))

【Fine-tuning】LLM微(wei)调(diao)(diao)发展(zhan)历程、有监督(du)微(wei)调(diao)(diao)和指(zhi)令微(wei)调(diao)(diao)、轻量化微(wei)调(diao)(diao)(Lora、AdaLora、QLora)

【大模型项目实战】基于LLM的对话(hua)系统

达内AI人工智能培(pei)训(xun)(xun)课程学习内容第六步：就(jiu)业(ye)训(xun)(xun)练(lian)营

1、后端

网络(luo)基本概念、UDP通信(xin)、三次握手和(he)四次挥手、TCP套接字

TCP处理(li)细节、TCP协议、HTTP协议

多任务编(bian)程概念、multiprocessing创(chuang)建进程

threading线(xian)程(cheng)模块、线(xian)程(cheng)的同步(bu)互斥(chi)、GIL问题

进程线(xian)程网络并发模型，ftp文件(jian)服务器

Django安装、路由、URL配置、视图处(chu)理、Http请求和响(xiang)应、Content-Type类型

MVC与MTV设计模式、模板(ban)(ban)的加载、模板(ban)(ban)的传(chuan)参、模板(ban)(ban)变(bian)量、if标(biao)签、for标(biao)签

静态(tai)文件、Django应用、分布(bu)式(shi)路由、模型、ORM、创(chuang)建和使用模型、配置数(shu)(shu)据库、模型类、数(shu)(shu)据字段和字段选项、DjangoShel

通过模型(xing)增加、查询(xun)、修改、删除(chu)数据、F对象(xiang)Q对象(xiang)原生数据库(ku)操作、SQL注(zhu)入

Admin后台管理、一对一映(ying)射查询、一对多映(ying)射查询、多对多映(ying)射查询

Cookie和(he)Session、后端缓存、中间件Middleware、电子邮件发送、项目部署、WSG|配置、Nginx反向代理、静态(tai)文件收集

【原生(sheng)框架部(bu)署(shu)案例(li)】原生(sheng)框架部(bu)署(shu)案例(li)

2、Docker

【Docker基(ji)础】Docker简介(jie)、虚(xu)拟化(hua)、Docker安装与配置、Docker镜(jing)像、Docker容器

【Docker进阶】Docker容器编排、Docker网络、Docker部署AI模(mo)型

以(yi)上内(nei)容是达内(nei)AI人工智(zhi)能(neng)需要学的课程(cheng)达内(nei)AI人工智(zhi)能(neng)培训(xun)课程(cheng)内(nei)容紧跟社会和时(shi)代(dai)的发(fa)展，培养(yang)企(qi)业所需的人工智(zhi)能(neng)工程(cheng)师，如果(guo)你(ni)对于AI人工智(zhi)能(neng)培训(xun)课程(cheng)也(ye)感兴趣可以(yi)联系右(you)侧(ce)客服小姐姐获得(de)免费试听名额。