这门课在补哪块能力缺口

很多人学机器学习，停留在调库层面：知道用 sklearn 跑个逻辑回归，但不知道损失函数为什么要这样写；知道 BERT 很强，但说不清 attention 怎么改变了 NLP 的任务范式；知道推荐系统要用召回和排序，但实际动手时不知道怎么把向量检索和模型预测串起来。这门课正好把这些缺口补上——它不是从零讲 Python 的入门课，而是把散落的算法点串成能落地的项目链。

课程内容横跨几块：基础算法（距离测量、逻辑回归、决策树、特征选择与正则化、过拟合与欠拟合）、树模型进阶（集成学习、GBDT、XGBoost）、向量检索与以图搜图、NLP 从 BERT 到 GPT 再到文本纠错和聊天机器人、生成模型（GAN、WGAN、扩散模型）、图像识别（乳腺癌项目、YOLO 目标检测）、推荐系统（召回、排序、AB 测试、内容打标），以及大模型训练和 ChatGPT 技术路径。这些不是孤立的，比如以图搜图就同时用到向量距离和 ResNet，推荐系统召回环节会复用向量数据库和 Annoy。

适合什么基础，建议先看哪几块

适合已经会用 Python 写脚本、理解训练集/测试集和过拟合概念的人。如果你熟悉 sklearn 的基本接口，但没系统看过树模型和正则化，那正好。线性代数不需要很尖，但最好知道向量内积和距离度量。

建议按这个顺序走：

  • 先看距离测量基础、逻辑回归与分类问题、决策树算法、特征选择与正则化，这几块是地基。
  • 然后看集成学习与 GBDT、GBDT 与 XGBoost 详解，把树模型吃透。
  • 之后分方向：想做 NLP 就按 NLP 系列顺序看，从 BERT 到 GPT 再到文本纠错和聊天机器人；想做视觉就先看图像识别原理和乳腺癌识别项目，再补 GAN 和扩散模型；想做推荐系统就单独看推荐系统那几讲。
  • 零样本学习、小样本学习和以图搜图适合在主线之后当作拓展。

学完能独立做什么，资料怎么配合练习

学完这套内容，你能独立完成这些事：用 BERT 做文本分类，用 Bart 做文本纠错，用 ResNet 做以图搜图，从零搭一个乳腺癌图像识别流程，实现一个带召回和排序的推荐系统，甚至能理解 ChatGPT 背后的大模型训练难点。关键不是“看过”，而是能复现。

资料里每节课都配有代码实战，比如乳腺癌识别、文本纠错、以图搜图、推荐系统召回排序。建议先不看视频，直接打开代码跑一遍，看输出，再带着问题回看理论讲解。每学完一个模型，都换一个数据集做小改动：比如用 BERT 做情感分类，用 GAN 生成其他图片。这样才能把知识变成自己的。注意，课程中有些技术点更新很快（比如 GPT 系列），学的时候要结合最新论文，但底层原理不会变。

课程目录

18_18.NLP系列2：Bert的改良版本和T5模型【整理不易‖记得关注：CunWorKNotes】.mp4 [139.1 MB]
29_乳腺癌识别项目4-乳腺癌识别代码实战【公重号：CunWorkNotes】.mp4 [150.0 MB]
19_19.NLP系列3：GPT系列模型.mp4 [132.2 MB]
02_2.向量数据库概述.mp4 [174.4 MB]
21_21实战项目：文本纠错和Bart模型.mp4 [210.7 MB]
34_推荐系统3：召回和AB测试【持续更新‖免费提供：CunworknoteS】.mp4 [357.4 MB]
24_24聊天机器人和chatgpt.mp4 [232.9 MB]
37_推荐系统6：内容分类和打标.mp4 [282.3 MB]
09_9.集成学习与GBDT【公重号：CunWorkNotes】.mp4 [189.4 MB]
13_13.GAN模型的原理和实战.mp4 [195.7 MB]
16_16.AIGC和扩散学习.mp4 [299.8 MB]
17_17.NLP系列1：NLP发展脉络和BERT模型.mp4 [196.5 MB]
12_12以图搜图.mp4 [169.3 MB]
25_25，目标检测yolo和transformer.mp4 [358.8 MB]
08_8.决策树算法（ID3, C4.5, CART）.mp4 [192.3 MB]
04_4.逻辑回归与分类问题.mp4 [213.1 MB]
28_乳腺癌识别项目3-图像识别新方法之迁移学习.mp4 [103.2 MB]
03_3.Annoy算法与线性回归.mp4 [218.5 MB]
35_推荐系统4：排序（上）.mp4 [380.5 MB]
23_23.智能文本摘要和关键词提取.mp4 [282.5 MB]
26_乳腺癌识别项目1-图像识别的原理.mp4 [183.6 MB]
01_1.距离测量基础.mp4 [190.9 MB]
22_22零样本学习和小样本学习.mp4 [229.6 MB]
32_推荐系统1：推荐系统概述.mp4 [168.4 MB]
10_10.GBDT与XGBoost详解.mp4 [318.0 MB]
20_20.项目实战：huggingface和文本分类.mp4 [183.1 MB]
33_推荐系统2：召回环节.mp4 [333.8 MB]
05_5.特征选择与正则化.mp4 [243.0 MB]
14_14.GAN模型背后的数学原理以及训练技巧.mp4 [221.8 MB]
27_乳腺癌识别项目2-图像分类的代码实战.mp4 [142.9 MB]
30_大模型训练为什么这么难.mp4 [117.3 MB]
15_15.推土机距离和WGan.mp4 [167.9 MB]
11_11实战项目以图搜图-resnet.mp4 [191.8 MB]
31_ChatGPT的技术发展路径和带来的影响.mp4 [177.6 MB]
06_6.Dropout与模型集成.mp4 [181.5 MB]
07_7.过拟合与欠拟合，树模型.mp4 [191.0 MB]