极客时间- 视频课-黄佳-AI应用实战课

# 从数据清洗到大模型应用：如何系统掌握 AI 落地全流程

许多职场人想切入 AI 领域，却常被“只讲理论不落地”或“只堆代码不讲逻辑”的资料劝退。这门课试图解决的核心问题，是消除基础算法理论与实际业务场景之间的断层。它不追求让你成为算法科学家，而是帮助具备一定 Python 基础的人，理解如何从非结构化数据中挖掘价值，并逐步过渡到使用大语言模型解决垂直领域的具体问题。

**适合谁看：明确基础门槛与学习路径**

这门课并不适合完全的编程零基础者，因为后续实战部分需要直接操作代码框架。对于有 SQL 或 Python 基础，但缺乏机器学习项目经验的工程师、数据分析师或产品经理，这是一份较好的进阶材料。建议的学习顺序并非严格按编号顺序，而是分两个阶段推进。第一阶段重点攻克基础：先看监督学习、无监督学习和强化学习的理论辨析，接着掌握 scikit-learn 框架和 Jupyter Notebook 环境，最后通过医疗数据揭秘、回归算法预测电商用户生命周期价值等案例，建立对分类、回归、降维等核心算法的直觉。第二阶段聚焦深度学习与大模型：在大语言模型横空出世的背景下，学习 PyTorch 框架，并通过 CNN 图像分类、RNN 时序预测等实战模块，理解深度神经网络在特定场景下的应用逻辑。

**学完能做什么：独立交付具体业务方案**

完成全部学习并动手复现实战案例后，你将具备独立处理以下工作场景的能力：一是数据探索与特征工程，能利用 Matplotlib 和 Seaborn 进行可视化分析，通过聚类算法对用户画像做 RFM 值分析；二是传统机器学习建模，能独立构建疾病诊断辅助模型或商品品类分析系统；三是大模型应用开发，这是课程的终点也是亮点。你不仅能理解 LangChain 这类开发框架的底层逻辑，还能亲手构建基于垂直行业内部文档的问答系统。这意味着在实际工作中，当公司需要搭建内部知识库客服或文档检索助手时，你能够独立完成从文档处理、向量化到检索生成整个链路的搭建，而不仅仅是调用现成的 API。

**资料配合练习：避免“看课即会”的陷阱**

视频资料的价值在于建立思维框架，但真正的技能习得必须依赖代码复现。强烈建议每看完一个“实战”章节，立即暂停视频，在本地环境中重现案例代码。特别是第 8 课医疗数据集大揭秘和第 23 课垂直行业文档问答系统，这两部分代码量较大且数据清洗逻辑复杂，是检验学习效果的试金石。不要试图一次性消化所有理论，而是采用“理论-工具-实战”的三角结构学习：每学一个理论算法，立即对应一个工具库的使用，最后用一个业务案例落地。例如，学完第 9 课回归算法，立刻结合第 10 课的电商 LTV 预测案例，在本地跑通预测模型。这种紧密配合的练习方式，能确保你不仅听得懂，更能在接到类似业务需求时，迅速搭建出可运行的原型系统，将 AI 能力转化为解决实际问题的生产力。