| 学习阶段 | 学习内容 | 学习时长 |
|---|---|---|
第一阶段： Python语言 | 1.基础语法 | |
| 2.数据结构 | ||
| 3.函数 | ||
| 4.面向对象模块 | ||
| 5.包装饰器 | ||
| 6.选代器 | ||
| 7.多线程 | ||
| 8.AI结合使用 | ||
第二阶段： 数据处理与统计分析 | 1.Numpy | |
| 2.Pandas | ||
| 3.Matplotlib/Seaborn | ||
| 4.AI结合使用 | ||
第三阶段： 机器学习 | 1.分类算法 | |
| 2.回归算法 | ||
| 3.聚类算法 | ||
| 4.特征工程 | ||
| 5.模型选择 | ||
| 6.模型优化 | ||
| 7.AI结合使用 | ||
第四阶段： 深度学习 | 1.手撕多层感知机 | |
| 2.Pytorch神经网络 | ||
| 3.梯度下降 | ||
| 4.BP神经网络 | ||
| 5.CNN卷积神经网络 | ||
| 6.RNN循环神经网络 | ||
| 7.LSTM循环神经网络 | ||
| 8.AI结合使用 | ||
第五阶段： 文本预处理 | 1.文本处理方法 | |
| 2.文本张量表示 | ||
| 3.文本预料 | ||
| 4.数据分析 | ||
| 5.数据增强 | ||
| 6.方法命名 | ||
| 7.实体识别 | ||
| 8.Word-Embedding | ||
| 9.AI结合使用 | ||
第六阶段： Transformer原理 | 1.编码器 | |
| 2.解码器 | ||
| 3.语言模型 | ||
| 4.注意力机制 | ||
| 5.模型超参数 | ||
| 6.Bert原理 | ||
| 7.Bert预训练 | ||
| 8.GPT原理 | ||
| 9.GPT-2 | ||
| 10.ChatGPT | ||
| 11.AI结合使用 | ||
第七阶段： 大模型 | 1.大模型基础知识 | |
| 2.大模型分类 | ||
| 3.AI应用工具集 | ||
| 4.Prompt Engineering原理与实战 | ||
| 5.企业级大模型开发平台 | ||
| 6.Function Call的原理及实践 | ||
| 7.GPTs原理及应用 | ||
| 8.Assistant API原理及应用 | ||
| 9.ollama | ||
| 10.扣子平台 | ||
| 11.dify平台 | ||
| 12.大模型Agent原理及实战 | ||
| 13.RAG | ||
| 14.LangChain | ||
| 15.LangChainGraph | ||
| 16.模型微调 LoRA/Prefix-Tuning | ||
| 17.ChatGLM原理 | ||
| 18.AI结合使用 | ||
第八阶段： 应用案例 | 1.金融行业案例 | |
| 2.电商行业案例 | ||
| 3.物流行业案例 | ||
| 4.大健康行业案例 | ||
| 5.新零售行业案例 | ||
| 6.新媒体行业案例 | ||
| 7.教育行业案例 | ||
| 8.医疗行业案例 | ||
| 9.AI结合使用 | ||
