AI人工智能在线课程开班时间信息
Opening date
岗位丰富，薪酬待遇高
Plenty of positions and high remuneration
人工智能工程师月薪分布
5%
4.5~6K
6.3%
6~8K
6%
8~10K
21.7%
10~15K
22.9%
15~20K
22.1%
20~30K
10.9%
30~50K
数据来自职友集、看准网等第三方招聘网站
应用领域广泛，自由选择
Wide range of applications, more freedom of choice
人才市场需求Top10
- 01 : 智能驾驶系统工程师
- 02 : AI算法工程师
- 03 : 计算机视觉工程师
- 04 : 机器学习
- 05 : 语音识别
- 06 : AI产品经理
- 07 : 深度学习
- 08 : 人工智能工程师
- 09 : 算法研究员
- 10 : ChatGPT研究员
我们的教学团队
Our Team
邓强
蜗牛学苑CEO
全程授课讲师
咖哥
新加坡科研局资深研究员
智能体开发专题
老牛
icodes.work创始人
软件研发管理与增效专题
老王
苏州首拓信息创始人
AI节能与芯片良率提升专题
老赵
某保险公司战略研究员
金融行业的AI应用落地专题
老杨
苏州博瑞凯德创始人
AI叙事医学与司印打印监控专题
课程福利与优势
Course features
学员专属AI云服务器租赁优惠
AI云服务器租赁，享受7折优惠，可以免费试用。非正式学员租赁则享受8折优惠，量大折扣可 谈。
企业实战应用讲解
企业导师现身说法，讲解人工智能在企业中的实际应用专题，而非让AI只停留在知识层面。
学习资源紧跟时下，一次购买，终身服务
配套教材、代码、数据集，免费使用，随时更新，随时学习。
永久更新全套课程，永久免费学习最新AI前沿课程，后续收费公开课程等享受半价优惠
强哥亲自授课
蜗牛学苑创始人强哥亲自授课，20年IT行业从业经历，15年讲师经验，清晰的授课思路和逻辑推导，保证让小白都能听懂，成为一名不仅懂原理、也懂应用，具备实战能力的AI工程师
免费推荐就业服务
免费推荐就业机会，就业指导，蜗牛学苑超过5000家合作企业工作机会。
转专业优惠
学习蜗牛学苑线下课程时，可以有一半的学费用于抵扣线下费用。
课程大纲
Syllabus
课程模块
Python编程基础
课程纲要:
熟练使用Python开发环境和Conda环境，并具备基础的编程能力
重点内容:
基础语法
数据类型
控制结构
函数与参数
包与模块
文件读写
数据库操作
TCP通信技术
JSON数据操作
异常处理
WoniuATM项目实战
课程模块
Python高级编程
课程纲要:
具备在更灵活的架构下开发各类实用价值更高的应用程序，深入理解程序设计及各类关键技术
重点内容:
面向对象
Requests库
BeautifulSoup库与爬虫开发
前端页面结构
多进程/多线程并发处理
暴力破解脚本开发
WoniuChat聊天室
Python远程操作Linux
装饰器
生成器
迭代器
WoniuATM项目优化
课程模块
Numpy数据运算
课程纲要:
熟练掌握Numpy库的各种操作以及矩阵的变形、运算、张量处理等
重点内容:
NDArray数组的创建
初始化
修改
变形
转置
切片等操作
以及各类矩阵的逻辑运算
聚合运算
组间运算
点积运算
高级操作
课程模块
数据操作与可视化
课程纲要:
Pandas数据读写、数据清理、数据整理、Matplotlib各种绘图功能
重点内容:
Pandas的Series对象的操作与运算
DataFrame操作
行和列的操作
数据的清理
数据转换
统计运算
各种文件读写
Matplotlib基础绘图
多层绘图
各种统计图形绘制
Seaborn绘图操作
课程模块
回归分析与预测
课程纲要:
线性回归、逻辑回归、归一化处理、梯度下降、模型拟合、模型预测、模型评估
重点内容:
一元线性回归
最小二乘法
函数求导
梯度下降
归一化处理
数据集处理
损失函数
多元线性回归
逻辑回归
Sigmoid函数
模型训练
模型验证
哑特征设计
正则化
欠拟合
过拟合
销售额预测项目实战
病患预测项目实战
课程模块
分类与聚类算法
课程纲要:
SKLearn计算库、K-Means聚类分析、KNN分类、SVM支持向量机、各种数据分类项目
重点内容:
K-Means聚类分析
KNN-K近邻算法
模型评估与调优
SVM支持向量机分类算法
Sklearn科学计算库的使用
鸢尾花分类项目实战
其他的经典机器学习算法介绍
课程模块
计算机视觉处理
课程纲要:
OpenCV图片操作、数字识别、人脸识别项目、活体检测项目、OCR文字识别项目
重点内容:
OpenCV的基础操作
灰度化处理
二值化处理
图像数据对齐
腐蚀与膨胀操作
摄像头数据采集
手写数字识别项目
MNIST+KNN数字识别项目
OCR文字识别项目
验证码识别项目
OpenCV人脸识别
Face-Recognition库人脸识别与比对
基于人脸识别的考勤项目
人体活体检测
百度飞桨Paddle平台应用
人体与物品识别及Yolo模型
课程模块
深度学习与神经网络
课程纲要:
深度神经网络、CNN卷积神经网络、Keras与Pytorch构造神经网络、各类图像识别项目
重点内容:
神经网络工作原理
损失函数与激活函数
神经网络分层原理
模型评估与优化
预测客户流失率项目
利用CNN网络识别狗狗品种
验证码识别项目
基于CNN的MNIST手写体识别（Keras与Pytorch）
Pytorch框架应用
CIFAR10 图片识别项目
LeNet5
AlexNet
VGG与ResNet等大型CNN网络
课程模块
自然语言处理
课程纲要:
中英文分词算法、自然语文处理模型、文本摘要算法、TF-IDF算法、词向量训练、文本分类项目
重点内容:
自主开发分词器
Jieba分词器
N-Gram 模型
TF-IDF词频与逆频率
Word2Vec词向量
CBOW模型训练词向量
Skip-Gram模型训练词向量
TextCNN文本分类项目
RNN循环神经网络
RNN文本分类项目
课程模块
文本生成与AIGC
课程纲要:
N-Gram模型、NPLM模型、RNN文本生成、Seq2Seq机器翻译模型、注意力机制、文本生成项目
重点内容:
N-Gram模型文本生成
NPLM模型文本生成
RNN模型文本生成
生成外卖评论
生成无言唐诗
成语接龙类生成式项目
Seq2Seq序列到序列模型
编码器与解码器
利用Seq2Seq实现中英文互译项目
教师强制与计划采样
Seq2Seq中的注意力机制
课程模块
大模型原理与部署
课程纲要:
Transformer与GPT模型原理与代码实现、transformers框架应用、模型微调技术、模型量化技术、云环境与本地环境配置与部署及API调用
重点内容:
Transformer架构原理
编码器-解码器结构
GPT模型原理
位置编码
自注意力与多头自注意力
自主开发和训练Transformer与GPT模型
HuggingFace的tansfomers框架的应用
基于预训练模型的二次训练
模型微调技术(peft与LLaMAFactory）
模型量化技术
大模型实验环境构建
Ollama与OpenWebUI模型部署
RESTful API调用
提示词工程等
课程模块
人工智能体开发
课程纲要:
本地和云模型API调用、大语言模型应用开发、LangChain与Dify等开发框架的使用、人工智能体开发技术、RAG检索增强生成技术
重点内容:
本地模型的API调用
云AI的API调用
图像识别
语音识别
语音合成等各种云API的用法
利用Python整合各类模型和环境进行AI的原生智能体开发
基于LangChain、LlamaIndex和Dify等框架的人工智能体开发
Chroma与Qdrant向量数据库的应用
AI项目实战：网页语音版问答系统
每日新闻摘要
语音识别记分牌
AI智慧课堂
会议智能秘书
在线智能客服
智能随身导游等（项目库将实时更新）
课程模块
AI专题与实战进阶
AI专题与实战进阶 AI叙事医学、AI节能应用、芯片良率提升、软件研发增效、金融行业应用等，实时更新，由蜗牛学苑AI 专业的企业导师负责授课，分享所在企业的正在研究的技术和应用场景，拓展学员思路，跟进最新技术和落地方案等。
第一阶段
Python与AI基础
第二阶段
机器学习与实战
第三阶段
大语言模型与应用
项目案例
Project case
房价预测
基于加州房价历史数据，进行多元线性回归分析，来预测未来的房价走势，进而实现对线性回归问题的深入学习，这是机器学习领域的经典预测类项目，包括梯度下降、损失函数、权重和偏置等核心基础。类似项目还有网店销售额预测、比萨斜塔倾斜度预测等，同时基于此类项目学习SKlearn库的使用。
下一个
上一个
鸢尾花分类
分类问题是机器学习和神经网络领域最为重要的模型，鸢尾花分类是利用KNN（K近邻算法）进行分类，与之相关的分类项目还有心脏病患分类（使用逻辑回归进行分类）等，分类问题也分为二分类和多分类问题（多元交叉熵），在自然语言处理和图像识别中也是最基本的模型。
下一个
上一个
广告投放效果评估
本项目利用K-Means聚类算法，基于无监督学习的手段来实现分类，所以不需要对训练数据打标签，非常方便地构造训练数据，此类项目也同理可以用于垃圾邮件分类、用户画像等领域。
下一个
上一个
图片验证码识别
基于CNN（卷积神经网络）实现4位字符的彩色验证码的识别，结合多标签分类器实现图像识别，本项目的训练数据由生成验证码的代码自主生成，基于4层以上的CNN网络层+最大池化层+全连接层模型进行训练，准确率可达95%以上。
下一个
上一个
手写体数字识别
基于公开的数字手写体识别数据集MNIST进行训练，也同时提供KNN和CNN两种模型，以及利用Keras和Pytorch两套框架来进行训练（包括上面的验证码识别项目也是两套框架进行对比训练）和学习，手写体数字的识别成功率达到95%以上。
下一个
上一个
人脸识别的考勤系统
基于face_recognition库进行人脸识别和五官标注，同时基于标注的五官数据进行活体检测（比如根据眼睛或嘴巴的运动轨迹和长宽比）。并基于此核心操作，实现一套完整的考勤系统。
下一个
上一个
CIFAR物品识别
利用Pytorch框架（也是后续课程的主要框架）对CIFAR数据集进行训练，用以识别各类物品，同时类似项目还有识别狗狗品种等。基于本项目除了学习CNN的常规用法外，也介绍了基于CNN的一些主流的网络结构，如：LeNet5、AlexNet、VGG、ResNet等。
下一个
上一个
百度百科问答分类
这是关于NLP自然语言处理的项目，利用CNN结合文本的向量运算来实现对目标数据集的分类训练（TextCNN），本项目采用百度百科问答网站上的150万条去重的高质量问答进行模型训练，进而根据标题来对问题进行分类。类似项目还有基于RNN循环神经网络进行分类。
下一个
上一个
AIGC写唐诗
本项目是AIGC类自然语言处理项目，基于43000首唐诗数据集进行训练，训练过程采用LSTM（长-短期记忆网络，一种记忆能力更强的RNN网络）模型进行训练，并最终达到生成五言（或七言）绝句的目标。此类训练还可以用于生成藏头诗，或成语接龙等。
下一个
上一个
手搓Transformer模型
从底层原理和代码实现两个方面，介绍目前主流的Transformer模型的结构和训练，对注意力机制、位置编码、掩码等进行介绍，并完整实现一套Transformer模型实现中英文翻译，同时，
也对GPT网络结构进行了介绍，并训练一个GPT模型实现外卖评论的生成。
下一个
上一个
模型再训练及微调
课程中会讲解基于HuggingFace开源的transformers框架讲解如何对基模型进行再训练，或基于peft库进行模型的微调、模型微调的原理和实现等，同时讲解基
于LlamaFactory的模型微调操作。以及模型量化技术，属于大模型领域非常重要的课程。
下一个
上一个
本地大模型部署
基于Ollama进行本地大模型的部署和调用，同时利用Open WebUI或Chatbox对接Ollama部署的本地大模型。以及如何在Python代码中对大模型进行调用，
为后续的AI应用开发打下基础，课程也同时会讲解如何在云环境部署AI模型。
下一个
上一个
网页语音版问答系统
本项目基于Javascript的内置的 fetch 方法来实现一个简洁的Web界面的功能对接，并提供单次聊天和多轮对话的功能。同时，基于语音识别与合成功能，
提供针对问题和答案的语音朗读，以及用户语音输入提问的功能。同时还需要使用到Flask和前后端交互技术。
下一个
上一个
每日新闻摘要
为了让用户能够快速的获取当日重要新闻，利用爬虫对新浪新闻的内容进行爬取，同时将爬取的新闻交由大模型进行摘要，提取新闻的关键内容，并展示给用户。
项目涉及Flask及Jinja2模板引擎、数据库操作、前后端交互等Web应用开发的关键技术。
下一个
上一个
语音识别记分牌
本项目使用Python内置的tkinter库进行UI界面的开发，属于一个运行于操作系统的本地窗口应用而非Web界面，提供语音识别来进行加分或减分操作，方
便比赛过程中轻松记分。
下一个
上一个
AI智慧课堂
本项目主要对老师授课过程的随堂视频进行后续处理，如视频转语音、语音转文字、对文字进行总结、对本次课程的内容进行出题、以及将本次课程的内容整理输出为思
维导图，整个过程全部交由各类模型进行处理，实现了完整的自动化工作流。
下一个
上一个
在线智能客服系统
基于RAG（检索增强生成）技术和向量数据库，以Langchain和Chorma为技术底座，实现一套基于Web页面的智能客服系统，用于让AI扮演一名蜗牛学
苑的在线客服，在学习完蜗牛学苑的内部知识和文档后，为咨询者提供一对一解答。
下一个
上一个
配套教材
books
由蜗牛学苑企业导师咖哥（黄佳）正式出版的配套教材出版
常见问题答疑
Q&A
还有这些顾虑？
-
请问我是一名零基础学员，可以学会AI这套课程吗？
答：我们的课程设计是面向零基础专科起点进行招生，只要你真正热爱学习，愿意花时间钻研和练习， 那么是完全可以学会的，课程的设计也是针对零基础学员来设置的，从Python编程讲起，整个学习过程 中，我们将全程使用Python进行各种数学运算，原理的实现等。只要你把老师讲的每个案例和项目完 成，那么也就算是学会了。 -
如果我的时间没有办法跟上直播的节奏，怎么来确保可以学会呢？
答：我们有三种手段来确保你对自己的学习进度是可以掌控的，第一种方式是我们提供视频回放，老师 每堂课程都会录屏，如果临时有事没有办法参加直播，则可以回看视频来补课。第二种方式是我们针对 正式学员，提供免费跟读下期班的服务，所以你也可以跟着后续班级在进行学习。第三种方式是，某些 课程没有听明白，但是只要你的作业和任务是完成了的，那么也请不用纠结，因为你已经学会了。 -
AI的工作岗位要求高吗？我一个普通大专/本科学生能从事AI的工作吗？
答：传统的AI工程师对能力和学历的要求是挺高的，但是随堂目前大模型的成熟，门槛已经降得很低 了，也开放了更多的工作机会，有很多工作机会是完全可以由大专/本科学生胜任的，这一方面，直接 在招聘网站上搜索 “AI工程师”，“AI开发”，“AI训练师”，“人工智能”，“算法工程师“等岗位名称，可以看 到招聘要求。 -
AI领域的算法和模型那么多，我怎么学得过来？
答：AI领域发展由来已久，在这个过程中，产生了各种各样的算法来解决实际问题，或提升算法效率， 或提升算法准确度，或用于解决特定领域的问题，但是，AI也是一个更新迭代的过程，算法虽然很多， 但是我们没有必要了解每一个算法，因为很多算法虽然听着高端大气，但是已经落后了，被更新的技术 和算法替代。因此，我们只需要跟着课程大纲，学习有价值的算法就可以了。
-
很多研究AI的人天天读各种论文，很多还是英文的，我也要这么做才能跟上时代的步伐吗？
答：完全不用担心这个问题，首先，并不是每个AI的岗位都要追求最新潮流，或者研究最新的算法，就 像我们天天在使用Windows操作系统，难道我们需要天天关注它有什么新功能，甚至我们要自己去开发 一个Windows操作系统才行吗？对于大部分的AI工程师来说，更多的是应用，将AI应用到自己的项目中 即可。其次，目前的机器翻译和文本摘要已经做得非常好了，无论什么样的文章，你完全可以借助AI的 能力，将其翻译成中文，并进行摘要，而不是去学习那些晦涩难懂的原文。 -
蜗牛学苑可以保证我学习完一定能找到AI的工作吗？
答： 我们当然是对自己的课程有信心的，而且蜗牛学苑10年来，与几千家企业建立了合作关系。我们虽 然不能保证你一定能找到工作，就像我不能保证你每天都在认真学习一样，但是因为现在的工作岗位 多，要求也有高低，所以要进入AI这个行业，其实并不难，只要你能保质保量完成学习任务，获得一份 AI的工作并非难事。基于蜗牛学苑10年来的就业推荐经验来看，这方面并不是问题，但是只有一个前提 要求：学员必须全力配合，认真学习，每一个项目实操都要能够落地，并且能够说清楚其中的原理。 -
我是一名在校大学生，学习完可以找到一份实习工作吗？
答：这方面非常容易，实习生前期做的工作可能并不一定非常有难度，但是一定可以找到一份AI的实习 工作，协助AI工程师完成一些相对简单的任务，如训练数据集的采集、标注、或者对AI的各种能力的测 评等，然后逐步转为工程师，是完全没有问题的，这条路径非常明朗，每个人都看得见。 -
我是一名在职人员，目前在工作中很少用到AI，请问有学习的必要吗？
答：太有必要了，而且越早越好。目前很多人担心自己被AI替代，所以最好的方式就是主动拥抱AI，主 动学习AI，并在自己的工作中去思考，AI能帮我解决什么问题，我如何利用好AI的这些能力提升我的工 作效率。也许，你就再也不担心自己的头发掉光了。更重要的是，当你比别人学在前面的时候，未来公 司需要进行AI重构的时候，你就是当之无愧的那一个项目领导者，这样的机会，我们希望你能够抓得 住，拿得稳，搞得定。
客服电话： 19150192914
微信号：1964006600
QQ群：611172908
公众号：蜗牛学苑
小程序：蜗牛IT教育
