2023黑马面授人工智能【VIP】

课程定位与前置门槛

这门课解决的核心问题是：很多开发者懂 Python 语法，但面对真实 AI 项目时，不知道如何搭建从数据预处理到模型部署的工程链路，或者在机器学习算法原理与代码实现之间存在断层。它不是针对零基础小白的首课，而是面向已经掌握 Python 基础语法、熟悉面向对象编程、了解基本网络协议（如 TCP/HTTP）及 Web 开发概念（如 FastAPI 简单应用）的后端开发者，帮助他们补齐机器学习与人工智能领域的工程化能力。

你需要先具备：Python 文件操作、正则表达式、多进程/多线程基础、以及基本的 HTML/Web 服务器认知。若这些基础薄弱，建议先回顾相关专题再进入本课。

学习路径与核心模块

建议按以下顺序切入：

- **Python 概念回顾**：重点看全局/局部变量作用域、对象模型回顾，确保底层认知牢固。
- **并发与网络基础**：复鞀多进程、线程、TCP 服务器开发，理解异步与并发在 AI 服务中的价值。
- **机器学习算法入门**：从 KNN、决策树等经典算法入手，结合代码实现理解流程，而非仅停留在理论。
- **Web 服务整合**：学习如何将训练好的模型通过 FastAPI 封装为 API 服务，打通“模型→应用”最后一公里。

每部分均提供可运行的源码片段，便于对照调试。

学后能力与练习配合

完成本课程后，你能够独立构建一个端到端的 AI 应用原型：包括数据清洗、特征工程、模型训练、评估以及通过 HTTP 接口提供服务。资料包中的代码示例和作业讲解是关键，建议边看视频边动手复现，尤其重视 KNN、决策树等算法的 Python 实现细节。不要只看不练，否则难以内化工程思维。