AI/ML 人工智能与机器学习实战

Thu, 13 Aug 2026 10:00:00 +0800

本专题覆盖传统机器学习、深度学习、自然语言处理、计算机视觉、推荐系统与大语言模型应用，以及完整的 MLOps 工程化实践。

内容导航

序号	文章	核心知识点
01	机器学习基础概论	ML 范式、特征工程、评估指标、过拟合与正则化
02	监督学习算法详解	回归、分类、决策树、集成学习、SVM
03	无监督学习与降维	聚类、PCA、t-SNE、关联规则
04	神经网络基础	感知机、反向传播、激活函数、优化器
05	卷积神经网络 CNN	卷积、池化、经典网络 LeNet 到 ResNet
06	RNN/LSTM 与 Transformer	序列模型、注意力机制、Self-Attention
07	自然语言处理 NLP	词向量、BERT、GPT、文本任务
08	计算机视觉	目标检测、图像分割、OCR、生成模型
09	推荐系统	协同过滤、矩阵分解、深度推荐模型
10	特征工程实战	特征选择、编码、构造、时间序列特征
11	模型部署与推理优化	ONNX、TorchServe、量化、蒸馏、边缘部署
12	MLOps 与实验管理	MLflow、DVC、AutoML、CI/CD for ML
13	大语言模型应用开发	Prompt Engineering、RAG、Fine-tuning、Agent

阶段一：数学基础 → Python/NumPy/Pandas → 机器学习基础
阶段二：监督学习 → 无监督学习 → 特征工程 → 模型评估
阶段三：神经网络 → CNN → RNN/Transformer → NLP/CV
阶段四：推荐系统 → 模型部署 → MLOps → LLM 应用