课程采用“计算机视觉底层筑基—>主流深度学习框架与图像识别实战—>前沿NLP大模型与知识图谱—>行业落地讲座与海量资源”的四阶全链路模型，带你从计算机视觉的数学基础、数字图像处理与特征提取起步，深入边缘检测、立体视觉、SIFT特征匹配以及OpenCV的底层算法原理，彻底攻克AI开发中从传统图像处理到现代深度学习算法的衔接难题。课程核心聚焦于工业界最主流的深度学习框架与前沿大模型技术，深入实战卷积神经网络（CNN）、AlexNet、VGG16、ResNet50、YOLOv3目标检测以及生成对抗网络（GAN），并重点剖析BERT大家族、NLP少样本困境破局之道（文本增强）与知识图谱构建的完整技术闭环。你将掌握从OpenCV传统算法、深度学习框架训练推理到前沿NLP与多模态技术的完整技能，打通从底层视觉原理、模型训练部署到行业前沿落地的完整技术闭环。这不仅是API的调用，更是对企业级“高精准、跨模态、工程化落地”AI架构能力的深度重塑，助你从一名普通的算法爱好者蜕变为具备底层原理掌控与全栈AI交付能力的稀缺技术专家。
课程目录：
八斗学院AI
+—01、最新保姆级计算机视觉学习路线
| +—【1】初入人工智能
| | +—PPT
| | | 【01】开学典礼.pdf
| | | 【02】计算机视觉简介.pdf
| | |
| | \—视频
| | 【1.1】开学典礼.mp4
| | 【1.2】初入人工智能.mp4
| | 【1.3】机器学习&深度学习.mp4
| | 【1.4】计算机视觉.mp4
| |
| +—【2】数学基础&数字图像
| | +—PPT
| | | 【03】机器学习涉及的数学基础.pdf
| | | 【04】数字图像.pdf
| | |
| | +—代码
| | | bilinear interpolation.py
| | | lenna.png
| | | nearest interp.py
| | | test_image_gray.py
| | |
| | \—视频
| | 【2.1】数学基础1.mp4
| | 【2.2】数学基础2.mp4
| | 【2.3】数字图像.mp4
| | 【2.4】插值算法.mp4
| |
| +—【3】数字图像&特征提取
| | +—PPT
| | | 【05】特征选择与特征提取.pdf
| | |
| | +—代码
| | | Histogram Equalization.py
| | | histogram.py
| | | PCA.py
| | | PCA_numpy.py
| | | PCA_numpy_detail.py
| | | PCA_sklearn.py
| | |
| | \—视频
| | 【3.1】直方图均衡化.mp4
| | 【3.2】卷积&滤波.mp4
| | 【3.3】特征选择.mp4
| | 【3.4】PCA.mp4
| |
| +—【4】边缘检测&相机模型
| | +—PPT
| | | 【06】边缘提取.pdf
| | | 【07】相机模型.pdf
| | |
| | +—代码
| | | canny.py
| | | canny_detail.py
| | | canny_track.py
| | | photo1.jpg
| | | sobel_laplace_canny.py
| | | warpMatrix.py
| | | 透视变换.py
| | |
| | \—视频
| | 【4.1】边缘检测.mp4
| | 【4.2】canny.mp4
| | 【4.3】相机模型.mp4
| | 【4.4】透视变换.mp4
| |
| +—【5】立体视觉&图像聚类
| | +—PPT
| | | 【08】立体视觉.pdf
| | | 【09】点云模型.pdf
| | | 【10】图像聚类算法.pdf
| | |
| | +—代码
| | | K-Means.py
| | | K-Means_athlete.py
| | | K-Means_RGB.py
| | | 密度聚类.py
| | | 层次聚类.py
| | |
| | \—视频
| | 【5.1】立体视觉-双目系统.mp4
| | 【5.2】点云模型.mp4
| | 【5.3】Kmeans.mp4
| | 【5.4】层次聚类&密度聚类.mp4
| |
| +—【6】图像滤波&SIFT
| | +—PPT
| | | 【11】图像滤波器.pdf
| | | 【12】尺度不变特征变换-SIFT.pdf
| | |
| | +—代码
| | | iphone1.png
| | | iphone2.png
| | | SIFT_关键点.py
| | | SIFT_特征匹配.py
| | | 噪声.py
| | | 椒盐噪声.py
| | | 高斯噪声.py
| | |
| | \—视频
| | 【6.1】图像噪声.mp4
| | 【6.2】图像增强.mp4
| | 【6.3】SIFT1.mp4
| | 【6.4】SIFT2.mp4
| |
| \—【7】OpenCV&深度学习
| +—PPT
| | 【13】OpenCV算法解析.pdf
| | 【14】深度学习与神经网络.pdf
| |
| +—代码
| | | Hash.py
| | | lenna.png
| | | lenna_noise.png
| | | ransac.py
| | |
| | \—最小二乘法
| \—视频
| 【7.1】OpenCV&最小二乘法.mp4
| 【7.2】Ransac.mp4
| 【7.3】哈希算法.mp4
| 【7.4】神经网络.mp4
|
+—【实战】主流深度学习框架
| +—【PPT】随堂课程
| | 从零开始训练网络.pptx
| | 卷积神经网络.pptx
| | 深度学习开源框架.pptx
| |
| +—【代码】配套案例
| | 代码(解压密码：badouai)深度学习.zip
| | 代码(解压密码：badouai)（卷积神经网络）.zip
| |
| \—【视频】深度学习框架
| 从零开始训练网络01.mp4
| 从零开始训练网络02.mp4
| 从零开始训练网络03.mp4
| 从零开始训练网络04.mp4
| 卷积神经网络04.mp4
| 推理和训练.mp4
| 深度学习开源框架.mp4
| 深度学习开源框架01.mp4
| 深度学习开源框架02.mp4
| 深度学习开源框架03.mp4
|
+—【实战】入门图像识别
| +—【PPT】随堂课程
| | | 【13】OpenCV算法解析.pptx
| | | 【14】深度学习与神经网络.pptx
| | |
| | +—图像识别-01 PPT 01-2
| | | 【19】图像识别.pptx
| | |
| | \—图像识别0203-PPT0203-2
| | 【19】图像识别.pdf
| | 【20】物体检测.pdf
| |
| +—【代码】配套案例
| | | DCT.py
| | | Hash.py
| | | Hash_all.py
| | | Hash_素材生成.py
| | | lenna_noise.png
| | | PHash.py
| | | ransac.py
| | |
| | +—图像识别-01代码01-1
| | | | AlexNet-Keras-master.rar
| | | | train.zip
| | | |
| | | +—Cifar
| | | \—VGG16-tensorflow
| | +—图像识别0203-代码0203-1
| | | +—inceptionV3_tf
| | | +—mobilenet
| | | \—resnet50_tf
| | \—最小二乘法
| | Least squares.py
| | train_data.csv
| |
| \—【视频】图像识别
| CNN图像识别01.mp4
| CNN图像识别02.mp4
| CNN图像识别03.mp4
| OpenCV .mp4
| RANSAC.mp4
| 哈希算法.mp4
| 最小二乘法 .mp4
| 深度学习与神经网络.mp4
|
+—【实战】最火的行人目标检测
| yolo3-tensorflow-master.rar
| 公开课-yolo.pdf
| 最火的车辆行人检测.mp4
|
+—【必备】AI电子书籍
| 2019人工智能发展报告.pdf
| LDA漫游指南.pdf
| Learning From Data_低配版.pdf
| OpenCV-contrib modules中文教程抢鲜版.pdf
| Python视觉实战项目52讲.pdf
| Pytorch常用函数手册.pdf
| 《统计学习方法》第2版课件.zip
| 动手学深度学习.pdf
| 南瓜书.pdf
| 吴恩达资料.txt
| 推荐系统实践.pdf
| 支持向量机通俗导论（理解SVM的三层境界）LaTeX最新版_2015.1.9.pdf
| 数学之美第2版.zip
| 机器人建模和控制@www.java1234.com.pdf
| 机器学习[西瓜书].zip
| 机器学习实战.pdf
| 深度学习(花书).pdf
| 百面机器学习算法工程师带你去面试.pdf
| 科来网络通讯协议图.pdf
| 程序员的数学1.pdf
| 程序员的数学2-概率统计 ,平冈和幸，（日）堀玄著 ,P406.pdf
| 程序员的数学3-线性代数.pdf
| 算法新解-刘新宇.pdf
| 统计学习方法.zip
| 统计学习方法（李航）.pdf
| 西瓜书.pdf
| 项亮-推荐系统实践.pdf
|
+—【讲座 】 最落地的图像识别实践案例
| | 公开课-卷积神经网络.pdf
| | 最落地的图像识别案例.mp4
| |
| \—代码
| AlexNet-Keras-master.zip
| last1.h5
| readme.txt
| train.zip
|
+—【讲座】BERT大家族讲解（论文、代码、PPT）
| | BERT大家族讲解讲座回放.mp4
| |
| \—公开课-论文&代码&课件
| albert.pdf
| bert family.pptx
| BERT.pdf
| diy_bert.py
| elmo.pdf
| ernie-baidu.pdf
| ernie-qinghua.pdf
| gpt.pdf
| gpt2.pdf
| gpt3.pdf
| nezha.pdf
| roberta.pdf
| spanBert.pdf
| t5.pdf
| transformer-xl.pdf
| unilm.pdf
| xlnet.pdf
|
+—【讲座】NLP少样本困境破局之道–文本增强
| | 文本增强.mp4
| |
| \—论文&课程PPT
| cbert.pdf
| Contextual augment.pdf
| EDA.pdf
| LAMBADA.pdf
| UDA.pdf
| 文本增强公开课.pptx
|
+—【讲座】从0到1带你构建知识图谱
| | kgqa_base_on_sentence_match.rar
| | 从0到1带你构建知识图谱.mp4
| | 知识图谱公开课.pptx
| |
| \—知识图谱论文资源
| 0643.pdf
| 12484-55980-1-PB (1).pdf
| 12484-55980-1-PB.pdf
| 1606.04422.pdf
| 1709.05453.pdf
| 1711.04071.pdf
| 1804.08217.pdf
| 1811.00146.pdf
| 1902.10197.pdf
| 1904.09223.pdf
| 1905.07129.pdf
| 1906.05317.pdf
| 1907.12412.pdf
| 1909.01066.pdf
| 1909.04164.pdf
| 1909.05311.pdf
| 1909.05855.pdf
| 1909.08402.pdf
| 1911.06136.pdf
| 1911.07132.pdf
| 1911.12753.pdf
| 1912.00147.pdf
| 1912.07491.pdf
| 1912.09637.pdf
| 2001.00461.pdf
| 2002.00388 .pdf
| 2002.00388.pdf
| 2003.02320.pdf
| 2005.00206.pdf
| 2009.02252v1.pdf
| 2107.13349.pdf
| 2107.13715.pdf
| 3394486.3403323.pdf
| C16-1062.pdf
| cikm_2020_sun.pdf
| D16-1245.pdf
| D17-1123.pdf
| EMNLP-TACL5.pdf
| N18-2108.pdf
| P19-1226.pdf
| query2box_reasoning_over_knowl (1).pdf
| query2box_reasoning_over_knowl.pdf
| scarlini_etal_aaai2020.pdf
| 知识图谱表示学习综述.pptx
|
+—【讲座】彻底搞懂 Google bert 模型
| attention is all you need.pdf
| BERT.pdf
| bert介绍.pptx
| diy_bert.py
| R-bert关系抽取.pdf
| sentence bert.pdf
| 彻底搞懂 Google bert 模型.mp4
|
\—【讲座】无中生有，fake图像！
+—【PPT】随堂课程
| 公开课-生成模型.pdf
|
+—【代码】配套案例
| 「随堂代码」GAN_minist.py
|
\—【视频】生成模型
无中生有，fake图像.mp4
下载地址：
感谢您的来访，获取更多精彩文章请收藏本站。
