AI应用实战课

课程内容共分为 8 个章节，分别是：

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。
数据探索和数据可视化，包括如何使用 Matplotlib 和 Seaborn。
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。
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。
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。
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。
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。
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。

课程目录：

├──01｜理论：监督学习、无监督学习、强化学习.mp4 205.69M
├──02｜实战：如何使用JupyterNotebook？.mp4 55.00M
├──03｜工具：机器学习框架scikit-learn.mp4 38.93M
├──04｜理论：AI项目实战5大环节.mp4 38.87M
├──05｜实战：预测直播带货销售额.mp4 47.13M
├──06｜探索数据中蕴含的故事和商机.mp4 62.63M
├──07｜工具：Matplotlib和Seaborn.mp4 95.96M
├──08｜实战：医疗数据集大揭秘.mp4 91.24M
├──09｜各种各样的回归算法.mp4 105.04M
├──10｜实战：通过回归模型预测电商用户的生命周期价值（LTV）.mp4 67.57M
├──11｜分类算法：非常广泛的AI应用场景.mp4 88.25M
├──12｜实战：通过分类算法辅助疾病诊断.mp4 78.73M
├──13｜理论：聚类算法的核心原理.mp4 53.35M
├──14｜实战：通过RFM值给用户画像.mp4 43.13M
├──15｜降维算法能用来做什么？.mp4 39.38M
├──16｜实战：通过降维算法做商品的品类分析.mp4 35.34M
├──17｜大数据和GPU时代的深度学习.mp4 135.65M
├──18｜工具：Pytorch深度学习框架.mp4 105.45M
├──19｜实战：用CNN网络做图像分类.mp4 90.32M
├──20｜实战：用RNN做时序预测.mp4 108.00M
├──21｜横空出世的大语言模型.mp4 120.03M
├──22｜工具：大语言模型开发框架LangChain.mp4 45.21M
├──23｜实战：构建基于垂直行业内部文档的问答系统.mp4 71.23M
├──结束语&结课测试.mp4 419.54kb
└──课程介绍｜成为AINative个体.mp4 18.55M