🤖 人工智能

人工智能是当前科技领域的核心驱动力，本板块提供从机器学习基础到深度学习前沿，再到大模型应用的完整技术体系，帮助您构建扎实的AI知识框架和实战能力。

📚 核心板块

🧠 机器学习

• 算法体系：从基础算法到集成学习，涵盖分类、回归、聚类等核心任务
• 实战案例：真实数据集与业务场景的完整解决方案
• 模型优化：特征工程、超参数调优、模型评估的系统方法

🚀 深度学习

• PyTorch全栈：从Tensor基础到Transformer模型搭建
• 计算机视觉：YOLO、OpenCV、人脸识别等技术实战
• 语音识别：PyAudio、Vosk、Whisper等工具应用
• 模型搭建：从零构建CNN、RNN、Attention等经典模型

🌟 大模型

• 本地部署：Ollama无网环境大模型运行
• 智能体开发：微信公众号、QQ频道自动回复系统
• 框架生态：Transformers、Datasets等库详解

📖 学习路径

入门阶段

1. 机器学习基础：掌握核心算法原理与应用
2. PyTorch框架：熟悉深度学习工具链
3. 实践项目：完成简单的分类、回归任务

进阶阶段

1. 深度学习架构：CNN、RNN、Attention机制
2. 模型优化：超参数调优、性能提升
3. 领域应用：计算机视觉或自然语言处理方向深入

高级阶段

1. 大模型技术：本地部署与应用开发
2. 工程化：模型部署、性能优化
3. 前沿研究：关注最新论文与技术动态

📊 技术体系

🔥 核心算法详解

• 超参数调优：网格搜索与贝叶斯优化
• [NGBoost概率预测与分位数回归](./machine-learning/概率预测之NGBoost（Natural Gradient Boosting）回归和分位数（Quantile Regression）回归.md)
• 特征工程与模型评估完整指南

🌳 集成学习算法

• 决策树与集成学习全解
• XGBoost原生接口与Sklearn接口详解
• [贝叶斯网络与马尔科夫模型](./machine-learning/机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M).md)

📚 PyTorch核心技术

• PyTorch张量基础与框架入门
• PyTorch核心模块深度解析
• PyTorch数据模块详解
• PyTorch模型模块(RNN,CNN,FNN,LSTM,GRU,TCN,Transformer)

🏗️ 模型搭建实战

• 从零搭建经典CNN模型(ResNet、VGG、MobileNet等)
• 从零搭建Attention模型(CBAM、SENet、STN、ViT等)

🎯 计算机视觉与语音

• 视觉识别：YOLO、OpenCV实战
• 语音识别：PyAudio、Vosk、Whisper
• 人脸识别：face_recognition参数详解

🏠 本地大模型部署

• [Ollama本地大模型部署详解](./large-models/Ollama详解，无网环境导入运行本地下载的大模型，无网环境pycharm插件大模型调用、Ollama Python api、coze-studio.md)

🤖 智能体应用

• [大模型微信公众号、QQ频道接入](./large-models/大模型接入微信公众号、QQ频道_群_个人 自动回复（专业领域），智能体（扣子，腾讯元器_QQ开放平台）.md)

📚 框架生态

• [Transformers库与Datasets详解](./large-models/Transformer；Hugging Face之transformers库、datasets库详解；Modelscope.md)

�️ 技术特色

• 理论实践结合：从数学原理到代码实现，完整的学习闭环
• 工程化导向：关注模型部署、性能优化等实际问题
• 最新技术覆盖：包含大模型、Transformer等前沿技术
• 领域应用丰富：涵盖计算机视觉、语音识别等多个方向

🔗 扩展学习

• 数学建模 - AI的数学基础
• 计算机科学 - 算法和工程实现
• 技术资源 - 优质学习资源推荐

---

探索人工智能的无限可能，创造智能化的未来世界！