马SB_AI 人工智能工程师1期

后端开发

课程简介

从算法原理到工程落地的系统训练人工智能工程师的核心价值，不在于调用现成的 API，而在于理解数据如何转化为模型、模型如何支撑业务。本课程聚焦后端开发视角，围绕数据量化、特征提取、机器学习算法与深度学习神经网络四大支柱展开，覆盖智能聊天机器人、推荐系统、机器翻译等典型场景，并延伸至自动驾驶与语音识别合成方向。它解决的根本问题是：开发者如何在没有大模型黑盒加…

已有 0 人浏览发布 2026-10-07 更新 2026-10-07

从算法原理到工程落地的系统训练

人工智能工程师的核心价值，不在于调用现成的 API，而在于理解数据如何转化为模型、模型如何支撑业务。本课程聚焦后端开发视角，围绕数据量化、特征提取、机器学习算法与深度学习神经网络四大支柱展开，覆盖智能聊天机器人、推荐系统、机器翻译等典型场景，并延伸至自动驾驶与语音识别合成方向。它解决的根本问题是：开发者如何在没有大模型黑盒加持的情况下，独立完成从数据采集、特征工程到模型训练、部署上线的完整闭环。课程强调可复用的工程模块，而非碎片化的知识点的堆砌，适合希望将 AI 能力嵌入后端服务的开发者。

基础门槛与学习路径建议

本课程适合具备 Python 编程基础、熟悉数据结构与基本算法、了解面向对象设计，并对线性代数、概率统计有初步认知的学习者。如果你尚未掌握 NumPy、Pandas、Scikit-learn 或 PyTorch/TensorFlow 中任意一个主流框架，建议先补齐相关工具链的基础操作。学习顺序上，建议按以下顺序切入：首先梳理机器学习核心概念（监督/无监督、过拟合、交叉验证），然后进入特征工程与数据预处理模块，再深入神经网络结构与反向传播机制，最后结合具体项目（如对话系统或推荐引擎）进行端到端实践。课程资料中配有可运行的代码示例和结构化笔记，读者应将视频内容与源码对照执行，边跑边改，避免被动观看导致知识悬浮。

学完能独立交付什么

完成全部模块后，你将能够独立完成一个基于传统机器学习或轻量级深度学习的 AI 后端服务：包括环境搭建、数据清洗、特征构造、模型训练评估、接口封装及基础部署。你可以构建一个具备上下文理解能力的简易聊天机器人，实现基于用户行为的个性化推荐模块，或搭建支持多语言对齐的翻译管线。更重要的是，你掌握了将 AI 能力集成进现有后端架构的工程思维，能够判断何时使用规则系统、何时引入模型、如何评估效果与成本。资料包中的代码模块可直接作为项目脚手架复用，建议边学边在其基础上叠加自己的业务逻辑，形成可展示的个人工程资产。

课程介绍

AI 人工智能工程师，是实现掌握人工智能基础所需要运用到的数据量化和特征提取。制作智能聊天机器人、推荐系统、机器翻译等项目，还能接触到自动驾驶和语音识别和合成的方向。人工智能工程师主要负责使用机器学习算法和深度学习神经网络构建人工智能模型，提取业务洞察。

课程目录

AI.png (149.56 KB, 下载次数: 0) 2022-7-31 15:21 上传 1-4期已更新http:///thread-566-1-1.html 课程介绍： AI 人工智能工程师，是实现掌握人工智能基础所需要运用到的数据量化和特征提取。制作智能聊天机器人、推荐系统、机器翻译等项目，还能接触到自动驾驶和语音识别和合成的方向。 人工智能工程师主要负责使用机器学习算法和深度学习神经网络构建人工智能模型，提取业务洞察。 课程目录： 1.概述and特征提取.mp4 463.19M 01_AI一期课程资料.zip 3.01G 1.概述and特征提取 .mp4 570.71M 10.朴素贝叶斯模型：简单背后蕴含的有效 .mp4 780.13M 11.支持向量机SVM1-曾经的分类王者 .mp4 677.31M 12.SVM2-昔日辉煌，传统方法顶峰详解 .mp4 795.66M 13.分类器背后的秘密和机器学习三大定律 .mp4 737.54M 14.三个臭皮匠顶一个诸葛亮-决策树和随机森林 .mp4 729.56M 15.集成学习：企业神器GBDT详解 .mp4 666.97M 16.Kmeans聚类：无监督学习，让数据自己说话 .mp4 688.95M 17.DBscan聚类：kmeans升级，数据更具智能 .mp4 2.12G 18.LDA：文本数据大杀器，揭示文本背后的秘密 .mp4 2.07G 19.深度学习DNN01-深度学习开启人工智能新时代 .mp4 1.93G 2.线性回归1 第一个模型用来进行数值预测 .mp4 621.24M 20.编程工具keras讲解和深度学习为什么会有效 .mp4 1.47G 21.深度学习的学习算法，梯度下降法和链式法则 .mp4 1.76G 22.多分类函数softmax和学习方法 .mp4 2.17G 23.深度学习非线性能力关键：激活函数详解 .mp4 1.67G 24.深度学习避坑指南：权重初始化的方法和技巧 .mp4 1.72G 25.集成学习在深度学习中的应用dropout .mp4 1.99G 26.梯度下降法的优化和一些先进的学习技术 .mp4 1.61G 27.项目一：数字图像识别，让机器具有一双眼睛 .mp4 1.60G 28.项目二：以图搜图技术详解实战01 .mp4 1.94G 29.项目二：以图搜图技术详解实战02 .mp4 1.78G 3.从傻瓜到智能，梯度下降法学习法 .mp4 827.35M 30.开始深度学习在自然语言处理领域的时代 .mp4 1.91G 31.word2vec的一些特殊问题和优化方法 .mp4 1.60G 32.项目三：推荐系统整体流程架构解读01 .mp4 1.67G 33.项目三：A_B测试和相关指标解读02 .mp4 1.46G 34.项目三：关键词抽取和基于文本的召回算法03 .mp4 962.34M 35.项目三：推荐系统04基于行为类的召回算法 .mp4 1.41G 36.项目三：推荐系统05 Airbnb优秀论文解读 .mp4 1.65G 37.CNN：计算机视觉标配，给AI一双慧眼 .mp4 1.37G 38.项目四：CNN识别彩色图像，就那么一会 .mp4 1.37G 39.一期课程内容总结 .mp4 1.32G 4.突破瓶颈，模型效果的提升 .mp4 755.69M 40.常见面试题解读01 .mp4 1.38G 41.常见面试题解读02 .mp4 387.43M 42.如何写简历 .mp4 387.41M 43.NLP技术在推荐搜索中的应用 .mp4 448.67M 44.逻辑回归和神经元 .mp4 378.89M 45.BP算法原理和训练方法 .mp4 266.68M 46.常见激活函数讲解 .mp4 435.19M 47.图像分类在企业中的应用 .mp4 344.12M 48.卷积的基本思想 .mp4 654.60M 5.猛将起于卒伍，工业环境下的分类模型 .mp4 718.20M 6.损失函数推到解析和特征选择优化 .mp4 763.90M 7.到底好不好？模型评价指标讲解 .mp4 824.45M 8.让模型看的更准更稳，正则优化 .mp4 674.82M 9.让学习更高效，数值优化和一只看不见的手 .mp4 819.44M