===============课程介绍===============
卢菁博士AI体系进阶课是一门专注于人工智能核心技术与实战的进阶课程，适合具有一定AI基础的学员。课程内容覆盖了从传统机器学习到深度学习的完整技术栈，包括模型原理、算法优化和实际应用。
课程分为以下几大模块：
机器学习基础与模型优化：深入讲解逻辑回归、树模型、GBDT、XGBoost等经典算法，以及正则化与特征选择等优化技术。
深度学习与生成对抗网络（GAN）：从GAN的基本原理到实际应用，包括扩散学习、推土机距离等高级技术，帮助学员掌握前沿生成技术。
自然语言处理（NLP）与大模型解析：全面解析BERT、GPT等主流模型，结合文本分类、文本纠错、智能摘要等项目，助力学员掌握NLP开发全流程。
图像识别与迁移学习：以乳腺癌识别为案例，结合ResNet等模型，深入学习图像分类与迁移学习的技术与应用。
推荐系统与大模型实践：从推荐系统的召回、排序到内容分类和AB测试，逐步构建推荐系统的完整流程；结合大模型的训练难点与ChatGPT等技术发展路径，拓宽学员的视野。
通过本课程，你将掌握AI模型的原理与应用，深入了解大模型的设计与训练，并积累丰富的实战项目经验。无论是从事AI开发还是科研工作，这门课程都能为你提供全面而系统的技术支持
===============课程目录===============
├─01_1.距离精讲.mp4
├─02_2.向量数据库基础.mp4
├─03_3.Annoy原理和手写线性回归.mp4
├─04_4.逻辑回归的分类间隔，线性不可分问题，FM模型.mp4
├─05_5.特征选择和正则化.mp4
├─06_6.Dropout技术，模型集成，多分类和多标签.mp4
├─07_7.过拟合、欠拟合，树模型.mp4
├─08_8.ID3，C4.5，Cart树.mp4
├─09_9.集成学习，dropout，GBDT.mp4
├─10_10.GBDT和XGboost.mp4
├─11_11实战项目以图搜图-resnet.mp4
├─12_12以图搜图.mp4
├─13_13.GAN模型的原理和实战.mp4
├─14_14.GAN模型背后的数学原理以及训练技巧.mp4
├─15_15.推土机距离和WGan.mp4
├─16_16.AIGC和扩散学习.mp4
├─17_17.NLP系列1：NLP发展脉络和BERT模型.mp4
├─18_18.NLP系列2：Bert的改良版本和T5模型.mp4
├─19_19.NLP系列3：GPT系列模型.mp4
├─20_20.项目实战：huggingface和文本分类.mp4
├─21_21实战项目：文本纠错和Bart模型.mp4
├─22_22零样本学习和小样本学习[瑞客IT站.ruike1.com].mp4
├─23_23.智能文本摘要和关键词提取.mp4
├─24_24聊天机器人和chatgpt.mp4
├─25_25，目标检测yolo和transformer.mp4
├─26_乳腺癌识别项目1-图像识别的原理.mp4
├─27_乳腺癌识别项目2-图像分类的代码实战.mp4
├─28_乳腺癌识别项目3-图像识别新方法之迁移学习.mp4
├─29_乳腺癌识别项目4-乳腺癌识别代码实战.mp4
├─30_大模型训练为什么这么难.mp4
├─31_ChatGPT的技术发展路径和带来的影响.mp4
├─32_推荐系统1：推荐系统概述.mp4
├─33_推荐系统2：召回环节.mp4
├─34_推荐系统3：召回和AB测试.mp4
├─35_推荐系统4：排序（上）.mp4
├─37_推荐系统6：内容分类和打标.mp4