首页

投稿

强推！2026全套人工智能基础教程，机器学习+深度学习一站式吃透，补齐所有知识缺口！-人工智能基础/AI算法/PyTorch

3239

40

2026-06-28 14:51:25

未经作者授权，禁止转载

配套专属福利：【P2】为零基础入门学习路线 ✅ 机器学习 sklearn + 深度学习 PyTorch 全套可运行源码、一键环境部署脚本 ✅ AI 前置数学精简笔记、各算法原理图文素材、算法面试高频问答题库 ✅ 模型评估指标自动计算、训练损失曲线可视化全套绘图代码 ✅ 模型调参手册、梯度消失、过拟合、CUDA 报错全套排坑文档 ✅ 人工智能零基础系统化学习大纲：Python→数学基础→机器学习→深度学习 PyTorch 完整分阶段路线 ✅ 一对一全程辅导：代码环境排错、基础知识点答疑、毕设课题定制、毕业论文润色、算法面试模拟指导 ⬇️<<<关注公众号：AI技术星球回复暗号：548>>>⬇️ 获取机器学习+深度学习+PyTorch 全套源码、AI 系统学习大纲、理论笔记，需要毕设 / 求职一对一落地辅导，评论区扣AI 全套基础，私信领取资源，一站式补齐人工智能全部知识缺口！

考研人工智能

人工智能基础

我是小土堆a 发消息

专注AI领域，擅长深度学习+计算机视觉+自然语言处理可提供【AI入门、论文、就业、项目、技术指导】和【免_费咨询答疑】

1 人工智能概述

08:02

2026最新人工智能学习路线+AI系统课程

07:03

2 人工智能发展历程

04:56

3 人工智能主要分支

11:44

4 人工智能必备三要素

07:51

5 人工智能工作流程概述

10:00

6 数据集的介绍.

13:07

7 特征工程介绍

10:12

8 机器学习算法分类

20:55

9 分类模型评估介绍

04:04

10 回归模型评估和拟合问题

08:00

11 azure平台实验演示

24:26

12 深度学习简介

06:58

1 机器学习基础环境库的安装

03:43

2 jupyter基本使用介绍

14:33

3 jupytermarkdown功能演示

08:31

1 matplotlib基本简介

11:57

2 基础绘图功能演示图像保存 xy轴刻度添加网格

23:56

3 多次plot和显示图例

09:32

4 多个坐标系显示图像

13:05

5 折线图的应用场景

05:48

6 今日总结

11:26

1 昨日复习

15:49

2 常见图形绘制

19:22

3 numpy基本介绍

14:31

4 ndarray介绍

13:29

5 生成数组

13:53

6 正态分布和均匀分布

23:00

7 切片和形状修改

13:34

8 类型修改和数组去重

08:51

9 ndarray运算

19:59

10 矩阵介绍（一）

05:35

11 矩阵介绍（二）

14:05

12 数组间运算

16:35

1 pandas介绍和DataFrame使用

33:39

2.案例_电影数据分析2.ev4

19:42

3.索引操作.ev4

13:09

4 今日总结

10:48

5 昨日复习

20:27

6 索引操作

13:09

7 赋值和排序

11:06

8 算术运算和逻辑运算

12:46

9 统计运算

13:38

10 自定义函数运算

04:24

11 pandas画图

03:44

12 csv文件读取和存储

08:20

13 hdf,json数据的读取和存储

16:39

14 缺失值的判断

09:34

15 缺失值删除和替换

08:45

16 缺失值不是NaN的处理情况

07:21

17 数据离散化

20:59

18 数据合并

11:56

19 交叉表和透视表

15:29

20 分组和聚合

16:40

21 今日总结

09:21

22 科学计算库三天内容复习

20:03

23 电影数据分析案例

15:59

24 昨日复习

17:29

25 案例-电影数据分析

19:42

1 k近邻算法简介

12:50

2 k近邻算的初步使用

16:57

3 距离度量（一）

06:59

4 距离度量（二）

11:03

5 距离度量（三）

17:46

6 k值的选择

08:13

7 kd树构造

29:06

8 kd树搜索(2.1,3.1)

05:58

9 kd树搜索(2,4.5)

04:06

10 数据集介绍

16:47

11 鸢尾花数据可视化

14:52

12 数据集划分

12:18

13 特征预处理

20:58

14 鸢尾花案例实现

13:06

15 今日总结

11:17

16 昨日复习

25:07

17 knn算法总结

07:40

18 交叉验证

14:34

19 网格搜索

16:49

20 facebook案例预测流程分析

20:49

1 线性回归简介

09:08

2 线性回归api初步使用

06:11

3 数学求导复习（一）

02:25

4 数学求导复习（二）

04:45

5 线性回归损失和正规方程推导（一）

21:23

6 正规方程推导（二）

07:13

1 梯度下降法初步简介

22:44

2 梯度下降法介绍

14:29

3 正规方程api使用

13:33

6 梯度下降法案例介绍

12:29

1 欠拟合过拟合简介

23:14

2 岭回归和lasso回归

08:30

3 弹性网络和early stopping

07:20

4 岭回归案例实现

10:25

5 模型保存和加载

11:55

1 逻辑回归介绍

23:08

2 逻辑回归案例实现

33:55

3 精确率和召回率介绍

06:45

4 精确率和召回率api实现

09:01

5 roc和auc案例实现

12:35

6 roc曲线绘制（一）

07:11

7 roc曲线绘制（二）

06:33

8 roc曲线绘制（三）

05:54

1 决策树算法简介

05:07

2 信息熵的介绍

14:57

3 今日总结

12:37

4 昨日复习

19:15

5 信息增益（一）

13:43

6 信息增益（二）

16:45

7 信息增益比

07:07

8 基尼增益（一）

09:44

9 基尼增益（二）

19:06

10 cart剪枝介绍

11:32

11 特征提取介绍和字典特征提取

17:00

12 英文文本特征提取

10:02

13 中文文本特征提取

20:06

14 tfidf介绍

11:15

15 决策树api介绍

05:34

16 决策树案例实现

24:36

17 决策树可视化

11:53

1 集成学习介绍

05:44

2 bagging集成过程简介

03:09

3 随机森林介绍

18:59

4 今日总结

11:48

5 昨日复习

19:37

6 boosting实现流程分析

15:21

7 bagging和boosting对比

07:24

8 GBDT介绍

18:24

9 XGBoost介绍

05:33

1 聚类算法简介

06:20

2 聚类算法api初步使用

16:20

3 聚类算法实现流程简介

05:27

4 聚类算法实现流程案例介绍

06:36

5 模型评估

16:54

6 算法优化（一）

13:19

7 算法优化（二）

15:41

8 特征降维介绍和地低方差特征过滤

22:18

9 相关系数介绍

13:29

10 pca降维

08:29

11 案例-探究用户对物品类别喜好

20:06

12 今日总结

09:00

13 机器学习阶段整体内容复习

27:07

14 pubg项目竞赛说明

09:47

顶部