• "快餐式"人才特点

  基础性技术岗位

  可替代、可复制

  机械执行，缺乏开发思维

  晋升难，行业局限性

• 高素质人才特点

  具备完整的开发思维

  开发能力可迁移，无行业限制

  符合市场人才需求标准

  职场晋升快

• 国家政策

  国务院印发《新一代人工智能》发展规划、《高等学校人工智能创新行动规划》、国家新基建、“智造大国”建设。

• 企业投入

  国内小米、百度、腾讯、京东、字节、美团等互联网巨头，纷纷布局人工智能。

• 资本倾斜

  据工信部数据显示，截止2022年6月，我国人工智能企业数量超过3000家，产业规模超4000亿元。

• 高校传统教育

  ?9?9 重理论，轻实践
  ?9?9 实验资源更新滞后
  ?9?9 缺乏项目经验

  “伪”AI人才培训

  ?9?9 完全迎合“快餐”需求
  ?9?9 课程单薄、片面
  ?9?9 就业面窄

• 优质教育资源

  ?9?9 课程体系全面
  ?9?9 理论+实战
  ?9?9 就业面广，难替代

• 01 人工智能引入与课程整体介绍
  人工智能的认知与介绍 学习阶段概览与语言工具介绍 人工智能工具环境介绍-学习环境介绍
• 02 Python的基础语法
  认识Python Python的基础语法 运算符 输入与输出 数据类型转换 条件语句 Python、Anaconda与Pycharm的关系 Python3.10的match...case while循环语句
  for循环语句 循环的控制与综合练习 数据类型-数字型 数据类型-字符串 数据类型-列表 数据类型-元组 数据类型-集合 数据类型-字典
• 03 python高级技巧
  函数的基本概念与使用 Python的类 模块与包 异常处理机制 迭代器与生成器 正则表达式 多进程与多线程网络编程 网络编程 文件操作与MQTT
• 04 线性代数与Python第三方库
  人工智能中的线性代数 Numpy库 pandas库 Matplotlib库
• 05 数据结构
  数据结构概念与引入 数据结构之链表 数据结构之栈 数据结构之队列
  哈希表 递归 线性查找与二分查找 基本排序与高级排序
• 06 Git教程
  Git教程导学 Git教程练习

• 01 人工智能的微积分基础
  人工智能的微积分引入 人工智能的微积分基础
• 02 图像认知与OpenCV
  计算机眼中的图像 灰度化 二值化 自适应二值化 形态学变换 图片颜色识别 图像颜色替换 ROI切割 图像旋转 图像镜像旋转 图像缩放 图像矫正
  图像添加水印 图像噪点消除 图像梯度处理 图像边缘检测 绘制图像轮廓 凸包特征检测 图像轮廓特征查找 直方图均衡化 模板匹配 霍夫变换 图像亮度变换
• 03 基于传统视觉的简单的
  车道线检测与自动驾驶
  3D智能驾驶系统场景介绍 获取场景图片数据 MQTT通信协议介绍 MQTT通信代码介绍 视角透视 形态学变换 车道线检测代码讲解 实时车道线检测 PID控制小车高速路巡航
• 04 机器学习算法原理与实践-入门
  机器学习介绍与定义 KNN与决策边界 距离计算方式 使用数学方法实现KNN 前向传播与损失函数 反向传播的学习率与梯度下降 自求导的方法实现线性回归算法 深度学习框架PyTorch的tensor 基于PyTorch框架的线性回归 基于TensorFlow框架的线性回归 基于PaddlePaddle框架的线性回归
• 05 概率论与统计
  概率论与统计(上) 贝叶斯原理与实践 概率论与统计(下) 贝叶斯案例与实践 贝叶斯多分类实践
• 06 机器学习算法原理与实践-深化
  曲线拟合与非线性化 激活函数 极大似然估计与交又熵损失函数 逻辑回归与二分类问题 基于框架的逻辑回归
• 07 Git教程
  全连接与链式求导法则 Softmax与交叉熵 优化器和优化方法 神经网络的可解释性与欠拟合 神经网络的过拟合 正则化 神经网络的过拟合解决方案 深度学习回顾与任务

• 01 卷积神经网络
  计算机眼中的图像 卷积为什么能识别图像 池化为什么能增强特征 多通道卷积与偏置过程 LeNet-5
• 02 视觉经典神经网络
  AlexNet VggNet GoogLeNet ResNet MobileNetV1 MobileNetV2 MobileNetV3
• 03 NLP-循环神经网络
  DNN的时序预测与缺陷 RNN为什么能体时序预测 RNN的梯度消失和梯度爆炸 WordWordEmbeddg词嵌入 Word2Vec Word2Vec优化 LSTM:长-短期记忆网络 BiLSTM 门控循环单元
• 04 Transformer
  Encoder-Decoder 注意力机制引入 注意力机制 点积注意力为什么需要缩放 soft-attention self-attention mult-headattention 绝对位置编码 相对位置编码 旋转位置编码 Layer-Normaliaztion Attention中的mask Transformer
• 05 语音场景与认识声音
  认识模拟声音与数字声音 声音时域与频域转换 声音的mel特征提取
• 06 生成式人工智能
  生成式人工智能历史与发展 大语言模型和大模型 如何使用现成的大模型（提示词能力）

• 01 PyQT课程
  记事本实现--QMainWindow 文件浏览器 多媒体 事件 网络编程 PyQT中多线程 PyQT数据库 文件浏览器 多媒体 事件 网络编程 PyQT中多线程 PyQT数据库
• 02 数据集标注与制作
  数据集标注与制作imglabel介绍 数据集标注与制作labelme介绍 动手制作一些简单的数据集
• 03 工业流水线产品分类
  3D智能驾驶系统场景介绍 获取场景图片数据 MQTT通信协议介绍 MQTT通信代码介绍 视角透视 形态学变换 车道线检测代码讲解 深实时车道线检测 PID控制小车高速路巡航
• 04 工业流水线产品实时检测
  目标检测基础知识：目标检测概述 目标检测基础知识：目标检测的挑战 目标检测基础知识：目标检测的评估指标 目标检测发展与经典神经网络：RCNN 目标检测发展与经典神经网络：fastRCNN/fasterRCNN 目标检测发展与经典神经网络：SSD YOLO1/2/3/5/8的发展与关键概念：YOLO的起源和原理 YOLO1/2/3/5/8的发展与关键概念：如何将目标检测问题转化为一个回归问题 YOLO1/2/3/5/8的发展与关键概念：一阶段(One-Stage)检测方法 网络结构解析 全卷积网络(FCN) 多尺度特征融合 非极大值抑制(NMS)算法 多尺度特征图 损失函数 模型部署到场景（桃子） 甲骨文检测
• 05 目标分割的原理与实战
  分割算法的原理 语义分割1 实例分割、分割算法经典神经网络 分割案例1
• 06 垃圾分拣实时监测
  数据采集与标注 基于YOLOV8实现垃圾分拣 模型部署到场景
• 08 大模型的RAG、微调与Agent
  大模型的微调手段与优缺点 大模型的知识检索增强介绍 大模型的知识检索增强实践，实现
  一个垂直领域大模型 大模型的agent智能体 大模型接入3D场景
• 07 大模型的部署与上线
  Huggingface详细介绍与使用 了解与部署ChatGLM 了解QWEN 部署QWEN 部署本地大模型和知识库 大模型部署和推理框架 Xinference
• 09 算法的NPU终端移植
  Linux常用命令 基于3588的NPU进行移植(1) 移植YOLO的全过程(1)

预设工业流水线场景，将待分拣物品输送到分拣系统，可以自行设计规则和算法，将物品分配到正确的下件系统，训练规则和算法越优，越能够实现高速、准确、自动化的分拣处理。

预设自动驾驶的道路场景，感知与识别环境信息与道路信息，完成决策与规划算法部署，通过类PID算法控制车辆姿态进行自主导航与智能交互。

深入挖掘从transformer到大模型的历史变迁及技术栈的迁移，带领大家从零开始搭建GPT大模型网络，基于此学习各开源大模型的部署与微调。

• 人工智能引入与
  课程整体介绍
• Python
  高级技巧
• 数据
  结构

• Python的
  基础语法
• 线性代数与
  Python第三方库
• Git
  教程

• 概率论
  与统计
• 图像认知
  与OpenCV
• 人工智能的
  微积分基础

• 机器学习算法原理
  与实践-入门
• 基于传统视觉的简单的
  车道线检测与自动驾驶

• 机器学习算法原理
  与实践-深化

• 卷积
  神经网络
• NLP-循环
  神经网络
• Transformer

• 深度学习
  基础与实践
• 视觉经典
  神经网络与复现
• 语音场景
  与认识声音

• 语音场景
  与认识声音

• 工业流水线
  产品实时检测
• PyQT
  课程

• 工业流水线
  产品分类
• 数据集
  标注与制作
• 生成式
  人工智能

• 目标分割的
  原理与实战

• 大模型的
  部署与上线
• 算法的
  NPU终端移植

• 垃圾分拣
  实时监测
• 大模型的
  RAG、微调与Agent

• 人工智能引入与
  课程整体介绍
• Python
  高级技巧
• 数据
  结构

• Python的
  基础语法
• 线性代数与
  Python第三方库
• Git
  教程

• 概率论
  与统计
• 图像认知
  与OpenCV
• 人工智能的
  微积分基础

• 机器学习算法原理
  与实践-入门
• 基于传统视觉的简单的
  车道线检测与自动驾驶

• 机器学习算法原理
  与实践-深化

• 卷积
  神经网络
• NLP-循环
  神经网络
• Transformer

• 深度学习
  基础与实践
• 视觉经典
  神经网络与复现
• 语音场景
  与认识声音

• 语音场景
  与认识声音

• 工业流水线
  产品实时检测
• PyQT
  课程

• 工业流水线
  产品分类
• 数据集
  标注与制作
• 生成式
  人工智能

• 目标分割的
  原理与实战

• 大模型的
  部署与上线
• 算法的
  NPU终端移植

• 垃圾分拣
  实时监测
• 大模型的
  RAG、微调与Agent

• 人工智能引入与
  课程整体介绍
• Python
  高级技巧
• 数据
  结构

• Python的
  基础语法
• 线性代数与
  Python第三方库
• Git
  教程

• 概率论
  与统计
• 图像认知
  与OpenCV
• 人工智能的
  微积分基础

• 机器学习算法原理
  与实践-入门
• 基于传统视觉的简单的
  车道线检测与自动驾驶

• 机器学习算法原理
  与实践-深化

• 卷积
  神经网络
• NLP-循环
  神经网络
• Transformer

• 深度学习
  基础与实践
• 视觉经典
  神经网络与复现
• 语音场景
  与认识声音

• 语音场景
  与认识声音

• 工业流水线
  产品实时检测
• PyQT
  课程

• 工业流水线
  产品分类
• 数据集
  标注与制作
• 生成式
  人工智能

• 目标分割的
  原理与实战

• 大模型的
  部署与上线
• 算法的
  NPU终端移植

• 垃圾分拣
  实时监测
• 大模型的
  RAG、微调与Agent

• 人工智能引入与
  课程整体介绍
• Python
  高级技巧
• 数据
  结构

• Python的
  基础语法
• 线性代数与
  Python第三方库
• Git
  教程

• 概率论
  与统计
• 图像认知
  与OpenCV
• 人工智能的
  微积分基础

• 机器学习算法原理
  与实践-入门
• 基于传统视觉的简单的
  车道线检测与自动驾驶

• 机器学习算法原理
  与实践-深化

• 卷积
  神经网络
• NLP-循环
  神经网络
• Transformer

• 深度学习
  基础与实践
• 视觉经典
  神经网络与复现
• 语音场景
  与认识声音

• 语音场景
  与认识声音

• 工业流水线
  产品实时检测
• PyQT
  课程

• 工业流水线
  产品分类
• 数据集
  标注与制作
• 生成式
  人工智能

• 目标分割的
  原理与实战

• 大模型的
  部署与上线
• 算法的
  NPU终端移植

• 垃圾分拣
  实时监测
• 大模型的
  RAG、微调与Agent

• 人工智能引入与
  课程整体介绍
• Python
  高级技巧
• 数据
  结构

• Python的
  基础语法
• 线性代数与
  Python第三方库
• Git
  教程

• 概率论
  与统计
• 图像认知
  与OpenCV
• 人工智能的
  微积分基础

• 机器学习算法原理
  与实践-入门
• 基于传统视觉的简单的
  车道线检测与自动驾驶

• 机器学习算法原理
  与实践-深化

• 卷积
  神经网络
• NLP-循环
  神经网络
• Transformer

• 深度学习
  基础与实践
• 视觉经典
  神经网络与复现
• 语音场景
  与认识声音

• 语音场景
  与认识声音

• 工业流水线
  产品实时检测
• PyQT
  课程

• 工业流水线
  产品分类
• 数据集
  标注与制作
• 生成式
  人工智能

• 目标分割的
  原理与实战

• 大模型的
  部署与上线
• 算法的
  NPU终端移植

• 垃圾分拣
  实时监测
• 大模型的
  RAG、微调与Agent