人工智能太难，听不懂学不会
知识碎片化，不成体系
简历上项目经历少
实战资源少，实操经验不足
学习目标不清晰，不知道要学什么
学的太基础，就业面窄
随着AI时代到来，人工智能成为热门技术方向之一。飞速发展的行业使人才需求越来越大，薪资随之 水涨船高。但由于技术更新快，教育资源有所滞后，真正符合市场需求的人才培养仍面临巨大挑战。
“快餐式”人才特点
基础性技术岗位
可替代、可复制
机械执行，缺乏开发思维
晋升难，行业局限性
高素质人才特点
具备完整的开发思维
开发能力可迁移，无行业限制
符合市场人才需求标准
职场晋升快
在校学生
本科/研究生及以上
理工科相关专业背景， 且自身有计算机、数学 等专业基础。
IT转行
传统互联网岗位
职业到达瓶颈，初级程 序员可复制性高，无行 业市场竞争力。
能力提升
架构师/算法工程师/CTO
研发大牛，需要人工智能算法与大数据，提升技术广度与深度。
兴趣驱动
实践意识/创新思维/热爱人工智能
对人工智能感兴趣，并 有一定的学习动力和自 主学习能力。
边练边学培养开发思维
应用场景中教学，案例融入知识点
注重方法论教学，培养开发思维
不同框架对比学习，就业面更广
注重AI+，与其它技术融合
实战主导配套充足资源
自研元宇宙实验平台
充足的实战资源，拒绝纸上谈兵
大型项目高仿真
课程直接配套实操平台
自带多个开发环境
解决了在硬件上部署实验限制、嵌入式端 速度慢、开发过程中环境切换等问题，简 化了开发流程，开展教学更流畅便捷。
可视化算法教学将算法过程封装，动态解析代码，按搭积木式组合让用户可视化理解算法原理，构建整体思维，深入学习。
3D应用场景案例实战
逻辑与算法可接入系统里预设的3D场景中，实现可视化交互体验，打造人工智能沉浸式实操环境。
智能捕捉错误
精准捕捉在编程学习和算法学习过程中的异常情况，提醒错误原因，督促及时修改。
代码自动生成
Pyhton代码自动生成，根据封装好的组件自主学习代码，代码资源可以迁移到硬件平台或虚拟场景中验证。
拓展应用，开展比赛
系统里编译的代码可直接迁移到实际行业应用；丰富的实验环境、项目资源可作为人工智能大赛平台。
· 灰度与二值化
· 图像旋转与缩放
· 图像矫正与仿射变换
· 图像噪点消除与滤波算法
· 图像形态学变换
· 直方图与均衡化
随机案例：颜色识别、道路
边缘检测、快递二维码识别
· PyTorch
· TensorFlow
· PaddlePaddle
· 张量与矩阵
· 框架的自动微分机制
· 计算图
· GPU的使用
随机案例：加减乘
· 机器学习认识
· Python的机器学习库
· K近邻算法
· 线性回归
· 激活函数与非线性化
· 逻辑回归
· 支持向量机
· 贝叶斯
· 聚类算法
· 前向与反向过程
· 训练过程可视化
· 优化器与优化方法
· 欠拟合与过拟合
· 模型效果评估
随机案例：分开两个圆
· 计算机眼中的图像
· 卷积为什么能识别图像
· 池化为什么能增强特征
· 多通道卷积与偏置过程
· 经典神经网络
实战：人脸识别
· NLP的发展与技术栈
· 传统的RNN
· LSTM
· Bi-LSTM
· GRU
· ChatGPT的发展与技术栈
· 基础与动机
· Transformer 架构
· 注意力机制
· 位置编码
· 注意力掩码
· 经典神经网络
· 安装与配置
· 组件的介绍与使用
· 信号与槽函数
· PyQT的线程与进程
· SQLite数据库
· PyQtGraph数据可视化
· LLM大语言模型介绍
· 经典大模型
· 大模型的微调方法
· LLM中attention的优化
· nlp评价指标
· 3D场景数据交互
· 数据采集
· 数据增强与分类数据集制作
· MobileNetV3的small与large
· 网络fine-tuning
· 模型部署到场景
· 后端部署与前端检测
· 3D场景数据交互
· 数据采集
· 目标检测基础知识
· 目标检测发展与经典神经网络
· YOLO的发展与关键概念
· 数据增强与分类数据集制作
· 网络fine-tuning
· 模型部署到场景
· 后端部署与前端检测
· 交通监控分析
· 车辆违停检测
· 道路边缘和车道标线识别
基于目标的人脸查找检测，并结合机器学习算法 实现1:N的人脸识别。关键点检测可以实现数字 化妆、数字美颜等功能。
3D场景的垃圾分类系统，实现可回收垃圾、厨余垃圾、有害垃圾和其他垃圾的正确分类，垃圾可以自定义多角度采集与识别。
3D场景流水线分拣物品可高度自定义，通过动态的自动上货、识别残次品、自动分拣、自动传送带控制，实现智能化工业流水线作业
基于车辆检测、车牌检测、车牌识别实现违章停车识别功能，精准快速识别出违停车辆并进一步行动，车辆可自动驾驶到某一区域，动态获取场景摄像头数据。
车辆检测与跟踪在交通监控、智能城市等方向都具有广泛应用，通过目标检测算法与跟踪算法，检测其道路车辆实时性计数。
采用车牌检测与光学OCR，实现场景中的车牌识别功能，与车库的数据库进行匹配对比，实现智能化停车场、自动收费等系统的放行与收费功能。
基于分割算法的车道线检测，并使用轻量化分割方案实现车道线检测，结合车辆检测可实现压线检测与逆行检测。
基于视觉处理实现仿射变换、车道识别。并通过PID实现车辆方向盘和前轮的控制，通过后驱的速度调节车辆行驶的速度。
国家政策
企业投入
资本倾斜
