咕泡-人工智能深度学习系统班（第九期）¥ 16800

《咕泡-人工智能深度学习系统班（第九期）》是一套面向AI开发者、算法工程师及人工智能方向学习者打造的系统化深度学习实战课程，从开发环境、神经网络基本原理开始，逐步深入到当前主流的Transformer、多模态、计算机视觉、大模型与智能体技术，形成“基础理论—代码实现—模型调试—论文算法—项目应用”的完整学习路线。课程前期安排了PyCharm环境配置与Debug演示，帮助学员建立规范的深度学习开发环境，随后围绕神经网络、卷积神经网络等核心知识展开，通过代码理解前向传播、反向传播、损失函数、参数更新及模型训练流程，为后续复杂模型学习打下基础。对于已经掌握Python和机器学习基础、希望进一步进入AI算法领域的学习者，这套课程能够帮助重新梳理深度学习知识体系，避免只会调用框架却不了解底层原理的问题。

进入进阶阶段后，课程重点讲解Transformer及其在不同AI任务中的实际应用，包括经典Transformer结构、视觉Transformer ViT的Debug源码解读、Transformer Decoder在视觉任务中的使用，以及多模态与交叉注意力机制等重要技术。同时覆盖图神经网络、密集场景计数统计、对比学习、自监督学习、知识蒸馏、Mask2Former图像分割、TimesNet时间序列模型与地理分类任务等内容，让学习者接触更加完整的现代深度学习算法体系。课程并非单纯停留在模型概念介绍，而是结合实际任务拆解模型的数据输入、网络结构、训练逻辑、损失设计以及推理过程，帮助学员建立阅读论文、理解模型和复现算法的能力。GPT与Hugging Face相关课程还将学习者进一步带入预训练模型和大模型应用领域，理解当前主流开源模型生态及模型调用、训练与应用方式。

在前沿应用部分，本期课程继续加入知识图谱、LoRA微调、智能体Agent及Agent应用实战等热门方向，将传统深度学习技术与大模型时代的工程应用连接起来。同时包含YOLO V9、CVPR 2024 YOLO-World等目标检测与开放词汇视觉算法内容，帮助学员了解计算机视觉领域的新模型、新思路及实际应用方式。课程还涉及论文写作与就业简历等内容，使整个学习过程不仅关注“学会算法”，同时兼顾科研提升与求职就业需求。通过系统学习，学员可以逐渐掌握从神经网络基础、CNN、Transformer、ViT，到目标检测、图像分割、多模态、自监督学习、大模型微调、知识图谱和Agent智能体应用的一整套技术路线，并具备独立分析模型、调试代码、复现论文以及完成AI项目的综合能力。无论是准备转型人工智能方向的程序员、希望强化项目经验的算法工程师，还是计划从事计算机视觉、大模型应用及AI研究工作的学习者，都可以借助这套课程建立更加系统、扎实且贴近实际岗位需求的人工智能技术体系。