课程定位：填补“调包”与“原理”之间的能力缺口

很多初学 AI 的人容易陷入一种困境：会调用 PyTorch 或 TensorFlow 的 API，但一旦模型不收敛或效果不佳，就完全不知道如何排查。这门课的核心价值，在于强行纠正这种“只知其然”的学习惯性。它从第三章机器学习的基础讲起，逐步深入到深度学习、卷积神经网络（CNN）、循环神经网络（RNN），最后落脚到商业智能（BI）的实际应用。课程不生产快餐式的教程，而是致力于构建从数学推导到工程落地的完整闭环。

这门课适合具备 Python 基础、且对线性代数和概率论有基本认知的学习者。如果你看到梯度下降就头晕，或者不懂矩阵乘法在神经网络中的意义，建议先回头复习这些前置知识。门槛不算低，但回报也对应更高——学完后你将不再是一个只会调参的工程师，而是一个理解模型内核的算法从业者。

建议学习路径与核心产出

不要试图跳跃式学习，建议严格按章节顺序推进：

  • 经典 ML 阶段（第 3、5 章）：第三章建立机器学习的基本范式，第五章的决策树部分是面试高频考点，必须彻底理解信息增益和基尼不纯度的计算逻辑。这是后续深度学习的地基。
  • 深度学习进阶（第 6、7 章）：第六章是重中之重，必须亲手跑通 MNIST 数据集的训练过程，理解反向传播的每一层是如何工作的。第七章则进一步探讨深层网络的结构优化，这里决定了你未来能否训练出深层模型。
  • 专项架构突破（第 8、9、11 章）：第八章 RNN/LSTM 解决序列依赖问题，第九章 CNN 解决图像特征提取问题。这两章代码复杂度高，需配合 Lecture 中的课堂代码反复调试。第十一章 CV 概论则是将 CNN 技术扩展到更复杂的视觉任务场景。
  • 商业落地（第 12 章）：最后通过商业智能章节，了解如何将模型能力转化为可量化的业务指标，补齐工程视野。

完成本课后，你应该能够独立设计并训练一个验证码识别的 CNN 模型，或构建基于 LSTM 的序列预测系统。更重要的是，你能清晰解释模型背后的梯度流动机制，并在实际业务中根据数据特性选择合适的架构。

资料包的实战配合用法

资料包中的代码和数据集不是摆设，而是你检验理解程度的试金石。第三章和第五章的“课堂代码”压缩包，务必下载后逐行阅读，尝试修改其中的超参数观察损失变化。第六章配套的 mnist_train 和 mnist_test 数据集，是你验证神经网络搭建是否正确的第一步。第九章提供的验证码识别项目源码和第八章的 LSTM 结构图，则是检验你是否真正掌握 CNN 和 RNN 实现细节的最佳练习场。切忌只看视频不动手，只有当你能独立复现这些代码时，知识才算真正属于你。

课程目录

📁 12、第十二章商业智能BI
第一十二章第1节：商业智能BI.mp4 [522.7 MB]
BI预习资料0401.pdf [3.9 MB]
📁 03、第三章机器学习一
课堂代码.zip [2.3 KB]
第三章第1节：机器学习一.mp4 [1.0 GB]
机器学习一.pptx [70.4 MB]
📁 11、第十一章计算机视觉CV
第一十一章第1节：计算机视觉CV【公重号：CunWorkNotes】.mp4 [424.1 MB]
开课吧AI核心课CV概论资料包.zip [79.9 MB]
week11作业文档.docx [10.9 KB]
📁 09、第九章CNN
第九章第1节：CNN【资源精选‖更多关注：CunworkNotes】.mp4 [1.0 GB]
数据文件.zip [15.8 MB]
第九章--验证码识别.zip [598.0 KB]
Lecture-09.pptx [1.1 MB]
📁 06、第六章深度学习初步
mnist_test.zip [2.2 MB]
Lecture-06.zip [41.9 KB]
第六章第1节：深度学习初步.mp4 [1.1 GB]
Lecture-06.pptx [23.0 MB]
mnist_train.zip [13.2 MB]
📁 07、第七章深度学习进阶
Lecture-07(2).zip [1.7 KB]
第七章第1节：深度学习进阶【公重号：CunWorkNotes】.mp4 [789.5 MB]
Lecture-07.pptx [11.4 MB]
第七章--深度学习进阶.zip [6.0 KB]
📁 05、第五章机器学习三
课堂代码(1).zip [2.5 KB]
ccf_offline_stage1_train【持续更新‖免费提供：CunworknoteS】.zip [12.7 MB]
机器学习3.pptx [6.5 MB]
第五章--决策树.zip [10.5 MB]
第五章第1节：机器学习三.mp4 [931.0 MB]
📁 08、第八章RNN
第八章--LSTM结构.zip [158.6 KB]
Lecture-08(1).pptx [4.7 MB]
RNN课堂代码.zip [33.4 MB]
第八章第1节：RNN.mp4 [1.0 GB]
📁 14、第十四章新增视频
Build-neural-network-from-scrach-Lesson-02.zip [819.9 KB]
Lesson-01-代码复现与参考答案.zip [239.5 KB]
第一十四章第3节：新增视频（三）【持续更新‖免费提供：CunworknoteS】.mp4 [764.1 MB]
Lesson-03【优质资源‖关注：cunWorkNotes 解锁】.zip [935.5 KB]
2020-神经网络框架原理训练营资料.zip [1.4 MB]
1.pptx [11.0 MB]
第一十四章第1节：新增视频（一）.mp4 [462.6 MB]
第一十四章第2节：新增视频（二）.mp4 [456.9 MB]
📁 01、第一章人工智能导论
第一章第1节：人工智能导论.mp4 [1.3 GB]
Github简明教程.pdf [216.7 KB]
人工智能导论--课程代码.zip [24.5 KB]
人工智能导论.pptx [78.1 MB]
📁 02、第二章机器学习初探
abcnews-date-text(1).zip [21.1 MB]
第二章第1节：机器学习初探.mp4 [1.3 GB]
Lecture-02(1).pptx [5.8 MB]
机器学习初探--课程代码.zip [467.4 KB]
lecture-02.zip [139.9 KB]
k-means-clustering-of-1-million-headlines.zip [6.0 KB]
📁 04、第四章机器学习二
第四章-逻辑回归诊断心脏病(1).zip [7.0 KB]
第四章第1节：机器学习二.mp4 [1.3 GB]
第四章-逻辑回归诊断心脏病.zip [8.9 KB]
课程代码.zip [11.9 MB]
Lecture-04(1).pptx [62.1 MB]
heart.zip [3.3 KB]
📁 10、第十章自然语言处理
作业.docx [11.0 KB]
Lecture-10.pptx [64.4 MB]
第一十章第1节：自然语言处理.mp4 [903.5 MB]
📁 13、第十三章作业讲解
课堂代码(1).zip [20.9 MB]
第一十三章第1节：作业讲解.mp4 [566.4 MB]