LEARN / TUTORIALS
系统教程
从基础概念到实践应用,按章节逐步建立知识体系。
人工智能 · 34 门教程

YOLO 数据集构建与训练实战
本课程面向具备 Python 基础、希望开展目标检测项目的开发者与算法初学者,围绕 Ultralytics YOLO 11 构建完整训练流程。从任务定义、数据采集、清洗标注和数据集划分开始,逐步完成环境配置、基线训练、参数调优、数据增强、指标评估和错误分析,并通过综合项目掌握实验管理、模型复现、训练排障及部署前验证方法。

大模型应用开发教程
面向具备基础编程能力的后端、全栈及 AI 应用开发者,围绕主流大模型应用开发的高频任务组织内容。课程从模型能力边界、开发环境和 API 调用入手,逐步覆盖提示词、结构化输出、会话记忆、RAG、工具调用、多模态、安全防护、效果评测、成本优化、部署监控与故障排查,并通过综合项目串联完整工程流程。

AI Agent 开发教程
面向具备基础编程能力、希望快速构建 AI Agent 的开发者。本课程以 Python 3.11+、主流大模型 API、函数调用、结构化输出、RAG、MCP 与工作流编排为主线,按“能调用、会行动、可记忆、可评测、能上线”的路径组织内容。每课聚焦一个高频开发问题,并通过订单助手综合项目串联设计、调试、安全、部署与故障排查。

OpenCV 开发实战教程
本课程面向具备 Python 基础、需要快速完成图像与视频处理任务的开发者,基于 OpenCV 4.x 按高频开发场景组织内容。从环境配置、图像读写和像素操作开始,逐步覆盖几何变换、颜色处理、滤波、轮廓、特征匹配、视频分析和 DNN 推理,并以综合案例、性能优化和常见故障排查收尾。

YOLOv5 实战教程
本课程面向具备 Python 基础、希望进入计算机视觉领域的开发者,基于 YOLOv5 7.0、Python 3.10 与 PyTorch 2.x,系统讲解目标检测流程、数据集制作、模型训练、指标评估、参数调优、推理应用和多平台部署。课程以自定义目标检测项目为主线,结合常见错误排查与工程化规范,帮助学习者独立完成从原始数据到可交付检测服务的完整实践。

深度学习基础教程
面向具备基础 Python 编程能力、希望系统进入深度学习领域的学习者。课程以 PyTorch 2.x 为主要实践框架,从张量、自动微分和神经网络原理起步,逐步学习优化、正则化、卷积网络、序列模型、Transformer 与生成模型,并覆盖数据管线、实验管理、性能优化、部署监控和常见故障排查,最终完成一个可复现、可评估、可交付的综合项目。