[极客时间]AI应用实战课-黄佳

课程内容共分为 8 个章节，分别是：

1. AI 的定义、历史、影响力，机器学习的基础，包括监督学习、无监督学习和强化学习，以及如何使用 Jupyter Notebook 和 scikit-learn。
2. 数据探索和数据可视化，包括如何使用 Matplotlib 和 Seaborn。
3. 回归算法与生命周期价值预测，包括各种回归算法的介绍和实战。
4. 分类算法在医疗诊断中的应用，包括常见分类算法的介绍和实战。
5. 聚类算法与电商用户价值分组，包括聚类算法的核心原理和实战。
6. 降维算法在商品分析中的应用，包括降维的基本概念和实战。
7. 深度学习初探，图像识别与时序预测，包括深度学习的基础知识、Pytorch 深度学习框架、图像识别与 CNN、时序预测与 RNN。
8. 大语言模型与基于垂直行业的问答系统，包括大语言模型的基础知识、开发框架 LangChain、垂直行业的问答系统实战。

覆盖理论，也重视实战。每个章节都会有对应的项目，让你在实践中加深对理论知识的理解，并掌握实际应用技能。

tree -L 2
.
├── 01｜理论：监督学习、无监督学习、强化学习.mp4
├── 02｜实战：如何使用JupyterNotebook？.mp4
├── 03｜工具：机器学习框架scikit-learn.mp4
├── 04｜理论：AI项目实战5大环节.mp4
├── 05｜实战：预测直播带货销售额.mp4
├── 06｜探索数据中蕴含的故事和商机.mp4
├── 07｜工具：Matplotlib和Seaborn.mp4
├── 08｜实战：医疗数据集大揭秘.mp4
├── 09｜各种各样的回归算法.mp4
├── 10｜实战：通过回归模型预测电商用户的生命周期价值（LTV）.mp4
├── 11｜分类算法：非常广泛的AI应用场景.mp4
├── 12｜实战：通过分类算法辅助疾病诊断.mp4
├── 13｜理论：聚类算法的核心原理.mp4
├── 14｜实战：通过RFM值给用户画像.mp4
├── 15｜降维算法能用来做什么？.mp4
├── 16｜实战：通过降维算法做商品的品类分析.mp4
├── 17｜大数据和GPU时代的深度学习.mp4
├── 18｜工具：Pytorch深度学习框架.mp4
├── 19｜实战：用CNN网络做图像分类.mp4
├── 20｜实战：用RNN做时序预测.mp4
├── 21｜横空出世的大语言模型.mp4
├── 22｜工具：大语言模型开发框架LangChain.mp4
├── 23｜实战：构建基于垂直行业内部文档的问答系统.mp4
├── 结束语&结课测试.mp4
└── 课程介绍｜成为AINative个体.mp4

0 directories, 25 files