从0到1精通PyTorch深度学习:从神经网络到大模型
¥399

从0到1精通PyTorch深度学习:从神经网络到大模型

从数学基础、神经网络原理,到CNN、NLP、Transformer与GPT/BERT微调全链路

¥399
本课程包括
  • 34小时39分钟的视频随时观看
  • 可在APP随时观看
  • 结业证书
你将收获
  • 底层数学能力:补齐深度学习必备微积分、矩阵、概率知识,打通算法底层推导逻辑,看懂模型训练背后数学原理;
  • 框架开发能力:精通 PyTorch 张量、自动微分核心操作,具备独立编写神经网络代码、搭建开发环境的实操能力;
  • 算法建模能力:吃透神经网络训练、调优全套核心技术,可自主完成模型搭建、训练、优化、防过拟合全流程操作;
  • 项目求职能力:手握两套可部署 Web 可视化 AI 成品项目,掌握图像分类、商品检索工业落地流程,拥有求职简历硬核加分项,适配大模型开发岗位招聘要求。
浏览相关主题
课程介绍

想要夯实深度学习底层原理,跳出只会调用现成模型的搬运式开发局限?

希望系统掌握 PyTorch 完整开发工具,具备独立搭建、训练神经网络模型的专业能力?

期待从数学底层到项目落地循序渐进学习,手握可上线的完整 AI 实战项目丰富求职简历?

想要吃透神经网络、梯度优化、正则化全套核心技术,拿下薪资更高的大模型开发岗位?

渴望掌握房价预测、图像分类、商品推荐等真实工业级项目,打造企业认可的硬核技术竞争力?

如果你正面临这些挑战,这门课程正是为你准备的!本课程是面向求职人群打造的大模型就业专属实战课程,聚焦行业痛点,拒绝浅度工具调用教学,坚持原理深挖 + 代码实操 + 成品项目三位一体教学思路,完整补齐深度学习必备数学、框架、算法、工程落地全链条能力,彻底区分只会套用模型的普通从业者与懂底层、能自研模型的高薪开发人才。课程全程配套可部署上线的完整 Web 项目,从基础理论到真实产品级实战层层递进,学完即可拥有能展示、能写进简历的 AI 落地成果,完美适配大模型开发、算法工程师求职需求。

整套课程统一整合为三大核心章节大分块,逻辑层层递进、条理清晰分明:

  1. 第一章:深度学习必备数学基础

    扫清深度学习入门的数学门槛,拆解微积分、矩阵、概率三大核心数学模块,讲清每一类数学知识在神经网络运算、梯度计算、模型概率推演中的实际作用,不用死记硬背公式,结合 AI 运算场景理解数学逻辑,为后续框架与算法学习筑牢底层根基。

  2. 第二章:PyTorch 开发框架基础

    全面讲解深度学习主流开发工具 PyTorch 完整操作体系,覆盖张量基础使用、张量数值运算、张量索引操作、自动微分四大核心功能,手把手演示每一段核心代码,理解张量作为神经网络数据载体的运行逻辑,掌握自动微分实现梯度求解的底层流程,熟练搭建基础代码运行环境。

  3. 第三章:深度学习算法体系与产品级实战项目

    完整覆盖深度学习全链路核心知识点:从深度学习基础概念、激活函数、神经网络结构,到损失函数、梯度下降、反向传播完整训练流程,再到参数更新优化、参数初始化、正则化三类模型调优核心手段,吃透模型训练、收敛、防过拟合全套底层逻辑;配套两大基础实战项目房价预测、水果图像分类,全部项目不做简易演示 Demo,直接封装为可运行的真实产品;课程配套蔬菜种类识别系统、相似商品推荐系统两大完整 Web 可视化成品项目,实现图像上传、识别推理、结果展示全流程线上部署,完整复刻企业 AI 业务落地流程。

通过本门课程的学习,学员将收获:

  • 吃透微积分、矩阵、概率深度学习必备数学体系,理解各类数学公式在神经网络中的实际应用,不再畏惧算法底层推导;

  • 熟练掌握 PyTorch 全套核心操作,精通张量运算与自动微分机制,能够独立搭建神经网络代码开发环境,自主编写基础模型代码;

  • 完整掌握深度学习全栈核心算法,吃透神经网络训练、反向传播、梯度优化、正则化防过拟合全流程底层原理,摆脱只会调用开源模型的局限。

深挖深度学习底层原理,落地可商用 AI 实战项目,你,准备好打造企业青睐的硬核技术实力,冲刺更高薪资的大模型开发岗位了吗?

适合人群
  • 计算机、人工智能相关专业在校生 / 应届生:想要系统补齐深度学习完整知识体系,积累可展示项目,备战算法、大模型开发岗校招;
  • AI 行业入门从业者、只会调用现成模型的开发人员:缺少底层原理与完整项目经验,想要突破技术瓶颈,提升岗位薪资上限;
  • 有意转型大模型、算法赛道的程序员:无系统深度学习基础,需要一套从数学、框架到产品实战的完整入门学习路径。
讲师介绍
资深Python全栈/人工智能讲师与开发
擅长领域:
  • 自然语言处理(NLP)
  • 深度学习
  • 大语言模型
  • 机器学习
  • Web开发
  • Python
  • Vue.Js
  • 架构设计
Python全栈开发讲师15年软件开发和教学经验。《Flask Web全栈开发实战》作者,主导开发智能招聘、口播软件等项目,技术栈覆盖AI应用开发与智能体实战、FastAPI、大模型智能体(LangChain/Qwen)、爬虫及前后端。精通Python全栈、擅长定制企业级技术培训。黄老师不但开发经验丰富,授课激情四射且通俗易懂,很注重学生对知识的吸收情况学生学会了是对他最大的认可。经历多个大型实战项目的完整周期,有着丰富的实战经验。黄老师还从事过iOS、爬虫、前端、PythonWeb、大模型智能体开发,开发经验非常丰富,目前主要研究方向为大模型+智能体开发,曾给中国电信开发过企业级RAG应用,召回率达到90%以上,给小红书商家私有化部署大模型,并利用RAG+智能体技术开发了智能客服,为企业提高5倍以上的效率,实现降本增效。
课程大纲
共0节 时长0分钟 全部收起
第一章:环境搭建
共1节 | 21分钟
  • 01-【环境搭建】基础环境准备
    21分钟
第二章:数学基础
共5节 | 57分钟
  • 01-【数学基础】导数的定义
    14分钟
  • 02-【数学基础】导数的计算
    13分钟
  • 03-【数学基础】偏导数和梯度
    13分钟
  • 04-【数学基础】向量和矩阵
    15分钟
  • 05-【数学基础】概率论
    3分钟
第三章:PyTorch基础
共15节 | 3小时53分钟
  • 01-【张量】基础创建
    20分钟
  • 02-【张量】修改数据类型
    4分钟
  • 03-【张量】指定区间创建张量
    6分钟
  • 04-【张量】根据形状创建张量
    10分钟
  • 05-【张量】创建随机张量
    15分钟
  • 06-【张量】随机数种子
    10分钟
  • 07-【张量】张量和数组的转换
    7分钟
  • 08-【张量】形状操作
    14分钟
  • 09-【张量】张量拼接
    12分钟
  • 10-【张量】增加或删除维度
    8分钟
  • 11-【张量】张量的基本运算
    23分钟
  • 12-【张量】张量的统计运算
    14分钟
  • 13-【张量】张量的乘法运算
    17分钟
  • 14-【张量】张量的索引
    29分钟
  • 15-【张量】自动微分模块
    43分钟
第四章:神经网络
共21节 | 6小时39分钟
  • 01-【神经网络】深度学习入门
    24分钟
  • 02-【神经网络】Sigmoid激活函数
    32分钟
  • 03-【神经网络】Tanh+Relu激活函数
    20分钟
  • 04-【神经网络】Softmax和其他激活函数
    18分钟
  • 05-【神经网络】激活函数选择经验
    4分钟
  • 06-【神经网络】手写数字识别(1)-数据集介绍
    13分钟
  • 07-【神经网络】手写数字识别(2)-搭建神经网络
    33分钟
  • 08-【神经网络】多分类损失函数-交叉熵
    25分钟
  • 09-【神经网络】二分类损失函数-二元交叉熵
    11分钟
  • 10-【神经网络】回归任务损失函数
    18分钟
  • 11-【神经网络】全连接层的反向传播
    38分钟
  • 12-【神经网络】激活层+输出层反向传播
    17分钟
  • 13-【神经网络】梯度基础
    18分钟
  • 14-【神经网络】随机梯度下降算法
    31分钟
  • 15-【神经网络】参数更新-Momentum算法
    18分钟
  • 16-【神经网络】参数更新-AdaGrad算法
    10分钟
  • 17-【神经网络】参数更新-RMSProp算法
    11分钟
  • 18-【神经网络】参数更新-Adam+学习率衰减
    12分钟
  • 19-【神经网络】参数初始化(1)-基础
    17分钟
  • 20-【神经网络】参数初始化(2)-Xavier和He初始化
    10分钟
  • 21-【神经网络】正则化-BN+权值衰减+Dropout
    21分钟
第五章:招聘薪资预测实战
共6节 | 1小时50分钟
  • 01-【招聘薪资】数据集介绍
    22分钟
  • 02-【招聘薪资】数据预处理
    16分钟
  • 03-【招聘薪资】定义Dataset和DataLoader对象
    14分钟
  • 04-【招聘薪资】模型的定义
    15分钟
  • 05-【招聘薪资】模型训练
    34分钟
  • 06-【招聘薪资】模型评估
    9分钟
第六章:卷积神经网络
共5节 | 1小时32分钟
  • 01-【CNN】卷积层原理详解
    24分钟
  • 02-【CNN】卷积形状公式
    8分钟
  • 03-【CNN】CNN API基本使用
    15分钟
  • 04-【CNN】池化层原理和API使用
    10分钟
  • 05-【CNN】自编码器+转置卷积
    35分钟
第七章:相似商品推荐系统实战
共8节 | 2小时40分钟
  • 01-【相似商品】原始数据集处理
    34分钟
  • 02-【相似商品】构建模型训练数据集
    23分钟
  • 03-【相似商品】编码器模型结构和搭建
    17分钟
  • 04-【相似商品】解码器模型结构和搭建
    9分钟
  • 05-【相似商品】模型训练
    17分钟
  • 06-【相似商品】生成图片向量
    15分钟
  • 07-【相似商品】计算图片相似度
    15分钟
  • 08-【相似商品】使用Flask部署模型
    30分钟
第八章:蔬菜分类系统实战
共5节 | 1小时28分钟
  • 01-【蔬菜分类】数据集加载
    38分钟
  • 02-【蔬菜分类】模型结构搭建和定义
    20分钟
  • 03-【蔬菜分类】模型训练
    10分钟
  • 04-【蔬菜分类】模型评估
    9分钟
  • 05-【蔬菜分类】使用Flask部署模型
    11分钟
第九章:NLP
共75节 | 15小时20分钟
  • 01-【入门】NLP入门
    5分钟
  • 02-【入门】Jieba库使用
    17分钟
  • 03-【入门】分词原理
    14分钟
  • 04-【入门】词表示
    6分钟
  • 05-【入门】SkipGram和COBOW模型
    13分钟
  • 06-【入门】Word2Vec的实现
    22分钟
  • 07-【入门】Embedding层
    15分钟
  • 08-【RNN】RNN API使用详解
    23分钟
  • 09-【RNN】RNN原理详解
    20分钟
  • 10-【RNN】实战-数据预处理
    19分钟
  • 11-【RNN】实战-构建Dataset
    9分钟
  • 12-【RNN】实战-模型结构搭建
    22分钟
  • 13-【RNN】实战-output和hidden形状解释
    2分钟
  • 14-【RNN】实战-模型训练
    16分钟
  • 15-【RNN】实战-古诗生成
    20分钟
  • 16-【RNN】RNN存在的问题
    11分钟
  • 17-【LSTM】LSTM原理详解
    16分钟
  • 18-【LSTM】LSTM类和参数说明
    7分钟
  • 19-【LSTM】实战-数据集介绍
    4分钟
  • 20-【LSTM】实战-数据预处理(1)
    13分钟
  • 21-【LSTM】实战-数据预处理(2)
    21分钟
  • 22-【LSTM】实战-Dataset对象定义
    7分钟
  • 23-【LSTM】实战-模型搭建
    26分钟
  • 24-【LSTM】实战-模型训练
    9分钟
  • 25-【LSTM】实战-模型评估
    7分钟
  • 26-【LSTM】实战-模型使用
    11分钟
  • 27-【LSTM】LSTM补充说明
    7分钟
  • 28-【GRU】GRU原理分析
    13分钟
  • 29-【GRU】GRU API使用
    4分钟
  • 30-【Seq2Seq】Seq2Seq原理分析
    10分钟
  • 31-【Seq2Seq】实战-分词(1)
    14分钟
  • 32-【Seq2Seq】实战-分词(2)
    22分钟
  • 33-【Seq2Seq】实战-NLTK库使用说明
    3分钟
  • 34-【Seq2Seq】实战-数据预处理
    15分钟
  • 35-【Seq2Seq】实战-Dataset构建
    5分钟
  • 36-【Seq2Seq】实战-编码器模型构建
    13分钟
  • 37-【Seq2Seq】实战-解码器结构搭建
    13分钟
  • 38-【Seq2Seq】实战-模型训练
    30分钟
  • 39-【Seq2Seq】实战-模型使用
    14分钟
  • 40-【Attention】Attension原理
    9分钟
  • 41-【Attention】得分函数
    7分钟
  • 42-【Attention】实战-模型修改
    5分钟
  • 43-【Attention】实战-代码实现
    25分钟
  • 44-【Transformer】概述
    10分钟
  • 45-【Transformer】自注意力子层
    17分钟
  • 46-【Transformer】多头自注意力机制
    8分钟
  • 47-【Transformer】前馈神经网络层
    2分钟
  • 48-【Transformer】残差连接和层归一化
    9分钟
  • 49-【Transformer】位置编码
    11分钟
  • 50-【Transformer】解码器整体结构
    6分钟
  • 51-【Transformer】Masked自注意力层
    6分钟
  • 52-【Transformer】交叉注意力层
    6分钟
  • 53-【Transformer】训练和推理
    4分钟
  • 54-【Transformer】API-Transformer类
    10分钟
  • 55-【Transformer】API-前向传播
    13分钟
  • 56-【Transformer】API-剩余模型类
    3分钟
  • 57-【Transformer】位置编码实现
    14分钟
  • 58-【Transformer】实战-模型的定义
    22分钟
  • 59-【Transformer】实战-训练代码实现
    16分钟
  • 60-【Transformer】实战-预测代码实现
    20分钟
  • 61-【预训练】GPT结构和微调
    18分钟
  • 62-【预训练】BERT结构和微调
    20分钟
  • 63-【预训练】HuggingFace介绍
    9分钟
  • 64-【预训练】下载模型
    18分钟
  • 65-【预训练】Tokenizer-基本使用
    12分钟
  • 66-【预训练】Tokenizer-call方法
    17分钟
  • 67-【预训练】Tokenizer-BERT模型使用
    11分钟
  • 68-【预训练】dataset-加载数据集
    10分钟
  • 69-【预训练】dataset-数据预处理
    20分钟
  • 70-【预训练】dataset-保存数据集
    6分钟
  • 71-【预训练】dataset-集成到Dataloader中
    6分钟
  • 72-【预训练】实战-数据预处理
    13分钟
  • 73-【预训练】实战-模型结构搭建
    10分钟
  • 74-【预训练】实战-模型训练
    7分钟
  • 75-【预训练】实战-模型评估和预测
    7分钟
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。