首页  思维导图  详情



 



AI极速论文班|基础伴学班

2026-10-20 10:56:30   1  举报





课程大纲

教育培训

模板推荐

作者其他创作

大纲/内容

模块一：公共基础<br>

模块总结：从环境搭建、Python与数据处理，到机器学习和深度学习训练，建立运行论文实验的基础能力。

第一章开发环境与工具基础（⭐⭐）

学习目标：能配置Anaconda、PyCharm与GPU运行环境，完成基础运行检查，为后续代码实验做好准备。

课程内容

第1节深度学习启航：开班典礼与导学课

第2节 AI课程所需软件安装教程

第3节 Anaconda环境搭建

第4节 PyCharm使用与配置

第5节云服务器与GPU资源使用

第二章 Python编程基础（⭐⭐）

学习目标：能编写Python基础程序，使用NumPy、Pandas处理数据，并用Matplotlib与Seaborn表达分析结果。

课程内容

第1节 Python简介

第2节数据类型与数据结构

第3节条件判断与循环

第4节函数定义与高级用法

第5节面向对象编程

第6节 Numpy科学计算库

第7节 Pandas数据分析库

第8节 Matplotlib 数据可视化库

第9节 Seaborn 数据可视化库

第三章机器学习基础（⭐⭐⭐）

学习目标：能完成特征处理、经典算法训练和模型评估，建立可比较的机器学习基线。

课程内容

第1节机器学习概述

第2节特征工程

第3节经典机器学习算法原理与实践

第4节模型评估与优化方法

第四章深度学习基础与框架（⭐⭐⭐）

学习目标：能使用PyTorch搭建神经网络，完成分类、回归任务的训练与结果分析。

课程内容

第1节神经网络结构基础

第2节 PyTorch框架必备核心模块解读

第3节神经网络分类任务

第4节神经网络回归任务

第5节神经网络实战

第五章深度学习核心算法与实践（⭐⭐⭐）

学习目标：能组织自定义数据集，训练图像与文本分类模型，理解CNN、Transformer和LSTM的基本作用。

课程内容

第1节卷积神经网络深度解析

第2节卷积网络参数分析与优化

第3节图像识别模型训练策略

第4节 DataLoader自定义数据集处理

第5节图像分类实战

第6节 Transformer基础

第7节 LSTM文本分类

第8节文本分类实战

模块二：计算机视觉（CV方向）

模块总结：围绕分类、检测、分割、视频与3D视觉，学习模型原理、论文复现和行业案例，选择适合课题的视觉方法。

第六章视觉模型基础与通用工具（⭐⭐⭐）

学习目标：能比较CNN与视觉Transformer，使用OpenCV和数据增强工具，基于预训练模型完成分类实验。

课程内容

第1节计算机视觉的任务体系与发展历程

第2节经典CNN结构：AlexNet → VGG → GoogLeNet → ResNet

第3节 ResNet模型及其应用

第4节 EfficientNet算法解析与源码解读

第5节 Vision Transformer原理精讲

第6节 Swin Transformer原理精讲

第7节现代视觉架构对比

第8节 OpenCV基础一：图像读写、颜色空间与通道操作

第9节 OpenCV基础二：几何变换、滤波与形态学

第10节数据增强实战：albumentations常用操作

第11节 Mixup / CutMix / RandAugment原理与实现

第12节 GenMix / FocusAugMix / GradMix原理与实现

第13节视觉自监督学习：BEIT论文精读

第14节视觉自监督学习：BEITv2论文与源码解读

第15节（科研）视觉自监督学习：MAE论文精读

第16节（科研）视觉自监督学习：DINOv3论文精读

第17节（科研/应用）图像分类Demo：基于预训练ViT做细粒度分类

第18节（应用）光伏板智能分类

第19节（应用）零样本火车零件分类

第七章目标检测（⭐⭐⭐⭐）

学习目标：能完成检测数据标注、模型训练与指标评估，理解YOLO与DETR路线，并据课题选择基线。

课程内容

第1节检测任务概述与评估指标

第2节 YOLO系列大串讲（v1-v13）

第3节 YOLOv7检测算法深度解析

第4节 YOLOv8检测算法深度解析

第5节 YOLOv9检测算法深度解析

第6节 YOLO-World检测算法解析

第7节 YOLOv8 / v11 / v26架构精讲

第8节 YOLO数据标注工具介绍与标注规范

第9节检测场景OpenCV应用：ROI提取、结果绘制、视频流处理

第10节（科研/应用）YOLO实战Demo：用公开数据集走完整训练流程

第11节（科研）半监督物体检测论文解读

第12节 EfficientDet与CenterNet目标检测算法

第13节 DETR目标检测算法解析

第14节（科研）DETR目标检测源码解读

第15节 Deformable DETR检测算法解析

第16节（科研）Deformable DETR算法源码解读

第17节（科研）RT-DETR遥感监测与科研实战

第18节（科研）DINO论文精读与代码走读

第19节（科研）Grounding DINO 1.0 / 1.5 / 2.0开放词汇检测原理精讲

第20节（应用）数独识别游戏

第21节（应用）全景图像拼接

第22节本章小结与目标检测方向选题建议

第八章图像分割（⭐⭐⭐⭐）

学习目标：能区分语义、实例与全景分割，完成标注、训练和后处理，选择U-Net、DeepLab或SAM等方法开展实验。

课程内容

第1节分割任务概述：语义分割 / 实例分割 / 全景分割

第2节分割损失函数与评估指标详解

第3节分割场景OpenCV后处理：轮廓提取、连通域分析

第4节 U-Net系列算法

第5节（科研/应用）U-Net医学细胞分割实战

第6节（科研/应用）U2Net显著性检测实战

第7节（科研）nnU-Net系列算法原理解析

第8节 DeepLab语义分割算法

第9节（科研/应用）DeepLabV3语义分割实战

第10节（科研/应用）DeepLabV3心脏分割实战

第11节 Mask R-CNN实例分割算法

第12节（科研/应用）Mask R-CNN实例分割实战

第13节（科研/应用）分割数据标注与实战

第14节 SAM图像分割算法

第15节 SAM2视频分割算法

第16节 SAM3分割一切模型原理

第17节 EfficientSAM分割算法

第18节（科研/应用）SAM预训练模型调用Demo（点提示 / 框提示交互分割）

第19节（科研）Mask2Former统一分割架构论文精读

第20节（科研）SegFormer分割架构论文精读

第21节（科研/应用）YOLO-seg分割原理与预训练模型调用

第22节（应用）光伏板智能分割

第23节（应用）工业轮毂错位检测

第24节本章小结与图像分割方向选题建议

第九章视频理解、姿态估计与目标追踪（⭐⭐⭐⭐）

学习目标：能理解视频行为识别、异常检测、姿态估计与追踪流程，配置相关算法并分析视频任务结果。

课程内容

第1节 SlowFast行为识别算法解析

第2节 SlowFast算法环境配置与训练数据准备

第3节 SlowFast算法源码详细解读

第4节 3D卷积视频分析实战

第5节视频异常检测算法与元学习

第6节（科研）CVPR异常检测算法论文解读

第7节人体姿态估计OpenPose算法解析

第8节（科研）OpenPose算法源码解读

第9节 DeepSORT算法知识点解读

第10节（科研）DeepSORT源码解读

第11节（科研）多目标追踪算法源码解读

第十章生成模型与图像生成技术（⭐⭐⭐⭐）

学习目标：能解释GAN与扩散模型的生成思路，阅读相关论文和代码，分析图像补全、转换及超分辨率任务。

课程内容

第1节生成模型与视觉生成任务概述

第2节生成对抗网络架构原理

第3节（科研）GAN图像补全论文解读

第4节（科研）SRGAN超分辨率论文解读

第5节 CycleGAN图像转换模型

第6节（科研）StarGAN论文架构解析

第7节（科研）StarGAN源码解读

第8节（科研）StarGANv2变声器论文解析

第9节（科研）StarGANv2变声器源码解读

第10节 StyleGAN2高质量图像生成

第11节（科研）Diffusion模型架构

第12节（科研）DALL-E 2论文解析

第13节（科研）DALL-E 2源码解读

第14节（科研）KIE信息抽取与BasicVSR++视频超分论文解读

第十一章 3D视觉与SLAM（⭐⭐⭐⭐⭐）

学习目标：能理解点云、深度估计、SLAM与三维重建的关键环节，结合数据与算力条件选择3D视觉研究切入点。

课程内容

第1节 3D点云基础与PointNet原理精讲

第2节 PointNet++与点云特征学习进阶

第3节 3D目标检测概览：VoxelNet / CenterPoint / BEVFormer原理对比

第4节深度估计与立体匹配原理

第5节单目深度估计 / 双目深度估计

第6节相机标定与多视几何基础

第7节 SLAM基础原理：前端 / 后端 / 回环检测 / 图优化

第8节（科研）视觉SLAM原理精讲与论文走读

第9节（科研）激光SLAM原理精讲与论文走读

第10节 TSDF算法解析

第11节 TSDF算法实战

第12节 NeuralRecon算法解析

第13节 NeuralRecon算法实战

第14节（科研）NeRF神经辐射场原理精讲 + 3D Gaussian Splatting原理概览

第15节本章小结与3D视觉方向选题建议

第十二章 CV综合串讲与方向选择（⭐⭐）

学习目标：能梳理CV技术地图，结合科研或应用目标选择方向，制定论文阅读与进阶学习计划。

课程内容

第1节 CV技术地图回顾与方向选择建议（科研 vs 应用）

第2节（科研）论文阅读方法与顶会投稿入门

第3节进阶学习路线与资源推荐

模块三：大语言模型（LLM方向）

模块总结：串联文本基础、大模型架构、微调部署、RAG、Agent、多模态与知识图谱，建立领域智能应用与研究能力。

第十三章 NLP基础与词向量（⭐⭐⭐）

学习目标：能完成基础文本表示与分析，理解Word2Vec等方法，并开展分类、情感分析和实体关系抽取练习。

课程内容

第1节 NLP词向量基础

第2节 NLP常用工具包实战

第3节文本分析与可视化

第4节 N-gram语言模型

第5节 HMM隐马尔科夫模型

第6节 Word2Vec模型原理与构建

第7节文本特征方法与相似度模型

第8节（应用）文本分类与情感分析实战

第9节（应用）命名实体识别与关系抽取实战

第十四章预训练模型与大模型架构（⭐⭐⭐⭐）

学习目标：能使用Hugging Face工具，理解BERT、GPT及主流大模型架构，阅读实现并比较不同架构的适用场景。

课程内容

第1节大模型概述：分类、基础组成与发展脉络

第2节 Huggingface与Transformers库

第3节预训练语言模型 BERT 原理解析

第4节预训练语言模型 BERT 源码解读

第5节 BERT源码解读与变体研究

第6节 BERT中文情感分析与NER实战

第7节 GPT系列算法演进

第8节 LLaMA 3大语言模型架构解析

第9节 Qwen3架构拆解与从零手写大模型

第10节（科研）DeepSeek架构解析：从LLM到高效推理模型

第11节（科研）MoE混合专家模型原理与系统论文复现

第12节（科研）Mamba与SSM新型大模型架构研究 + 实战

第十五章大模型微调与对齐（⭐⭐⭐⭐）

学习目标：能准备领域数据并开展LoRA或QLoRA微调，理解对齐机制，通过评估选择提示词优化或微调方案。

课程内容

第1节 Prompt Engineering原理与实践

第2节大模型微调概述：分类、原理与应用场景

第3节数据准备与清洗工程

第4节 LoRA / QLoRA参数高效微调原理与实践

第5节强化学习微调大模型实例解读

第6节微调效果评估与模型选型决策

第7节（应用）垂直领域微调案例（医疗）

第8节（科研）RLHF强化学习微调原理与框架实现

第十六章大模型优化与部署实战（⭐⭐⭐⭐）

学习目标：能使用LLaMA-Factory组织微调流程，理解量化、蒸馏与多卡训练，并根据资源条件部署模型。

课程内容

第1节大模型微调基础与工程化全流程

第2节微调硬件选择与环境搭建

第3节 LLaMA-Factory入门与WebUI实战

第4节微调数据集来源、构建与清洗

第5节 LoRA微调原理与项目实战

第6节高级微调优化：BAdam、GaLore与训练监控

第7节大模型加速与量化技术实战

第8节分布式微调与多卡训练实战

第9节模型蒸馏与大模型压缩实战

第10节大模型高效部署、综合项目与职业发展

第11节 Ollama + Gemma4本地化部署

第十七章 RAG检索增强知识库（⭐⭐⭐⭐）

学习目标：能串联文档处理、检索、生成与交互，搭建RAG知识库，并比较GraphRAG、多模态与Agentic方案。

课程内容

第1节 RAG检索架构分析与应用

第2节 RAGFlow本地化知识库实战

第3节 RAGFlow与Function Calling

第4节 LangChain助攻RAG

第5节高性能RAG原理与检索器基础

第6节（应用）高性能RAG实战案例一：ES与词缀树检索系统

第7节（应用）高性能RAG实战案例二：多检索器知识库系统

第8节 RAG架构演进与Native RAG代码实操

第9节（科研）GraphRAG理论与代码实操

第10节（科研/应用）多模态RAG理论与文档问答实战

第11节（科研/应用）Agentic多模态RAG系统实战

第12节 RAG进阶讲解

第13节（科研/应用）从0到1搭建自己的RAG系统

第十八章 Agent开发与平台工程（⭐⭐⭐⭐）

学习目标：能使用LangGraph组织Agent流程，开发或接入MCP工具，理解多智能体机制并搭建可运行的本地应用。

课程内容

第1节智能体解析与Agent应用实战

第2节 LangGraph构建旅游资讯Agent

第3节 MCP底层原理与Server开发

第4节（应用）多MCP项目实战一：股价心理按摩师

第5节（应用）多智能体 + 多MCP金融投资顾问实战

第6节 MCP与ChatBI智能助手原理

第7节（应用）MCP + LangGraph构建ChatBI数据分析助手

第8节（科研）斯坦福AI小镇项目解读

第9节 OpenClaw开源项目入门与安装部署

第10节 OpenClaw整体架构与AgentSkills机制

第11节（应用）OpenClaw项目实战一：飞书法务数字分身

第12节（应用）OpenClaw项目实战二：邮件自动化助手

第13节（应用）OpenClaw项目实战三：MCP接入与PPT自动生成

第14节（科研/应用）OpenClaw多智能体与多渠道数字分身

第15节（应用）Hermes-agent超级智能体实战

第16节总结LangGraph工作流，搭建本地Agent系统

第17节（应用）Claude Code、Codex与AI编程智能体实战

第十九章低代码Agent与AIGC工作流（⭐⭐⭐）

学习目标：能使用Coze或Dify配置插件、模型与工作流，完成资料整理、内容生成、客服或数据分析等自动化应用。

课程内容

第1节 COZE智能体搭建框架基本使用

第2节初识COZE打造自己的第一个工作流：新闻搜索与总结

第3节 COZE中配置自己的插件

第4节 COZE资料搜集与报告整理智能体

第5节新闻稿创作工作流：循环与批处理方法

第6节 COZE小红书文案生成智能体

第7节 COZE与飞书表格集成办公

第8节历史人物视频素材生成

第9节历史人物自动化剪辑实例

第10节智能客服工作流

第11节数据分析工作流

第12节 COZE发票助手智能体

第13节 COZE邮件助手智能体

第14节（选修）影刀RPA自动化

第15节 Dify平台介绍与低代码Agent开发框架

第16节 Dify部署、本地模型接入与核心功能

第17节 Dify应用构建实战：对话、文本生成与Agent

第18节 Dify工作流、ChatFlow与文生图智能体实战

第二十章多模态大模型（⭐⭐⭐⭐⭐）

学习目标：能理解图文对齐、视觉问答与多模态模型，调用模型完成图文理解任务，并分析相关论文与生成方法。

课程内容

第1节 Vision-Language模型串讲：从CLIP到LLaVA、Qwen-VL与Qwen3.5

第2节对比学习与多模态基础

第3节视觉问答VQA与图文理解任务

第4节多模态大模型综合应用

第5节（应用）LLaVA与YOLO11多模态视觉理解与检测

第6节（科研）InternVL 2.5论文解读

第7节（科研）Diffusion扩散模型原理

第8节（科研）DALL-E 2图像生成模型原理与源码解读

第二十一章知识图谱与LLM结合（⭐⭐⭐⭐）

学习目标：能使用Neo4j组织实体与关系，结合实体识别和关系抽取构建知识图谱，理解图谱与领域问答的结合方法。

课程内容

第1节知识图谱基础与应用场景

第2节 Neo4j图数据库实战

第3节（科研）文本关系抽取与知识图谱构建研究

第4节（应用）医学场景：糖尿病NER

第5节（应用）医学场景：医学实体识别

第6节（应用）金融风控知识图谱模型

第7节（应用）医学知识图谱与医药问答系统

模块四：结构化数据、时序与科学计算

模块总结：面向表格、时间序列、关系图与物理方程，学习数据处理、预测建模和科学计算，衔接专业数据研究。

第二十二章数据分析与特征工程基础（⭐⭐⭐）

学习目标：能完成探索性分析、缺失与异常处理、特征构造和筛选，整理适合后续建模的数据。

课程内容

第1节数据类型认知与探索性分析

第2节缺失值与异常值处理

第3节通用特征工程方法

第4节时序特征工程

第5节特征选择与降维

第二十三章经典机器学习与表格数据建模（⭐⭐⭐⭐）

学习目标：能比较集成学习与表格模型，进行调参、过拟合控制和特征解释，建立表格预测基线并分析结果。

课程内容

第1节经典机器学习算法与集成学习原理

第2节 XGBoost与LightGBM深度解析与实战

第3节 Transformer表格模型（TabNet / FT-Transformer）

第4节模型评估、特征重要性分析与过拟合控制综合实战

第5节超参数优化与模型调优高级技巧（Optuna / Hyperopt / GridSearch）

第6节（科研/应用）零售销量智能预测系统实战

第二十四章时序预测（⭐⭐⭐⭐）

学习目标：能完成时序特征处理与回测评估，比较统计、深度学习和时序大模型，开展制造或能源数据预测实验。

课程内容

第1节时序数据分析导论与核心基础

第2节时序数据经典统计建模方法

第3节多元时序统计分析与降维建模

第4节时序机器学习建模、特征工程与回测评估

第5节时序基础深度学习建模方法

第6节（科研）时序Transformer前沿建模方法

第7节（科研）Informer算法解析与源码解读

第8节（科研）TimesNet论文解析与源码解读

第9节（科研）Time-LLM时序大模型论文解析与源码解读

第10节（科研）时序大模型最新研究与实践

第11节时序分析核心下游任务全链路解析

第12节（应用）时序分析落地案例一：制造业非周期数据建模

第13节（应用）时序分析落地案例二：能源电力周期型数据建模

第二十五章医疗时序分析与行业落地（⭐⭐⭐⭐）

学习目标：能分析医疗数据的趋势、季节性与噪声，建立时序模型，理解样本合成与跨场景验证方法。

课程内容

第1节医疗数据的趋势性、季节性与噪声特征分析

第2节 AR / MA / ARIMA模型原理与医疗时序建模流程

第3节关键影响因素识别与预处理

第4节储备池计算

第5节（科研）VAE数据增强与医学时序样本合成

第6节（科研）解决数据稀缺：医学图像与时序数据生成

第7节（应用）跨医疗场景分析策略：急诊、慢病与疫情

第8节（应用）医疗AI产品商业化路径与概念验证

第二十六章图神经网络（⭐⭐⭐⭐⭐）

学习目标：能构建图数据并使用PyTorch Geometric训练模型，理解GCN与异构图，分析图相似度、预测及轨迹任务。

课程内容

第1节图神经网络基础

第2节图卷积网络模型

第3节 PyTorch Geometric配置与实战

第4节异构图神经网络模型

第5节（科研）基于图模型的时间序列预测研究

第6节（科研）图相似度SimGNN论文解析与源码解读

第7节（科研）KIE关键信息抽取

第8节（应用）VectorNet轨迹估计应用

第二十七章 PINN物理信息神经网络（⭐⭐⭐⭐⭐）

学习目标：能将物理方程与约束融入神经网络，搭建基础PINN，开展正逆问题求解并定位训练中的常见问题。

课程内容

第1节物理嵌入式机器学习简介

第2节 PINN简介与基本建模范式

第3节常见PDE范式

第4节 PINN正问题与逆问题求解

第5节 PINN从零到一搭建（一）

第6节 PINN从零到一搭建（二）

第7节 PINN训练常见问题与解决

第8节 PINN前沿工作带读

模块五：强化学习

模块总结：理解智能体与环境交互的学习机制，学习价值与策略优化算法，通过仿真任务训练和评估决策模型。

第二十八章强化学习基础算法与实战（⭐⭐⭐⭐）

学习目标：能理解状态、动作与奖励机制，实现或复现DQN、PPO与A3C训练流程，并分析仿真任务中的策略表现。

课程内容

第1节强化学习介绍与应用

第2节 Q-Learning与DQN算法

第3节 DQN改进与技巧

第4节 PPO算法与推导

第5节（科研/应用）PPO月球登陆器训练

第6节 Actor-Critic（A3C）分析

第7节（科研/应用）A3C超级马里奥实战

第8节强化学习拓展

模块六：AI辅助开发工具（通用选修）

模块总结：使用CodeBuddy辅助开发、理解基线和设计实验，推进CV、时序与多模态研究；生成内容需人工核验。

第二十九章 CodeBuddy实战（⭐⭐⭐⭐）

学习目标：能使用CodeBuddy辅助完成数据准备、模型训练、后端封装与前端集成，搭建模型或RAG应用原型。

课程内容

第1节 CodeBuddy工具基础应用

第2节项目架构与数据准备

第3节模型搭建与训练

第4节推理优化与后端封装

第5节前端开发与系统集成

第6节 RAG架构与文档处理

第7节检索与生成交互

第8节前端集成与系统优化

第三十章 CodeBuddy辅助科研进阶（⭐⭐⭐⭐）

学习目标：能借助CodeBuddy理解基线、设计改进与验证实验，整理CV、时序或多模态实验结果，并核验代码和结论。

课程内容

第1节科研方法论与CodeBuddy科研范式

第2节（CV）Baseline理解与改进模块设计

第3节（CV）实验验证与结果分析

第4节（时序）Baseline理解与改进模块设计

第5节（时序）实验验证与结果分析

第6节（多模态）Baseline理解与改进模块设计

第7节（多模态）实验验证与结果分析

第8节科研成果分析与论文写作

模块七：能力闭环与职业发展

模块总结：把文献阅读、实验、写作、投稿与成果展示连接起来，形成科研推进与职业发展的方法。

第三十一章科研方法论与职业发展（⭐⭐⭐）

学习目标：能从文献阅读推进到实验与论文表达，梳理写作和投稿流程，整理研究成果及求职展示材料。

课程内容

第1节从阅读到实验，科研基础能力建设

第2节从写作到投稿，论文产出全流程

第3节就业求职与职业发展

 Collect

Get Started

高一（12）班林清桦

 Collect

Get Started

Python AI 全栈工程旗舰班（26年全新）

 Collect

Get Started

论文

 Collect

Get Started

AI转型之路





0 条评论

下一页