AI 基础入门

以下内容源自我过往的个人笔记，经整理润色后发布。全文只聚焦核心干货，那些非核心、实用性较低的内容并未纳入，完全不影响基础认知与入门学习。

共 8 篇

用大白话讲解的 Python 入门教程，系统学习语法基础、常用库和编程思维，精选核心知识点，零基础也能轻松上手

精讲 AI 开发必用的 Python 库：NumPy 数组计算、Pandas 数据处理、Matplotlib 可视化，以及 Scikit-learn 机器学习工具包的核心用法

# NumPy# Pandas# 工具库

覆盖 AI 必须掌握的数学知识：线性代数（矩阵运算）、微积分（梯度/导数）、概率论与统计，以直观图解帮助理解底层原理

# 线性代数# 微积分# 概率论

系统讲解监督学习、无监督学习、强化学习等核心范式，结合线性回归、决策树、SVM、聚类等经典算法，构建完整的 ML 知识体系

# 监督学习# 分类回归# 模型评估

从感知机到多层神经网络，讲清前向传播、反向传播、激活函数、损失函数、梯度下降等核心概念，理解神经网络「学习」的本质

# 神经网络# 反向传播# 梯度下降

深入讲解 CNN、RNN、LSTM 等经典深度学习架构，结合图像分类、序列预测等实战案例，介绍 PyTorch / TensorFlow 框架入门使用

# CNN# RNN# PyTorch

从文本预处理、词向量（Word2Vec/GloVe）到 BERT、GPT 等预训练模型，系统梳理 NLP 发展脉络与核心技术，为大模型学习打好基础

# NLP# 词向量# BERT

讲解图像处理基础、卷积神经网络原理、目标检测（YOLO/RCNN）、图像分割等方向，结合 OpenCV 快速上手视觉类 AI 任务

# 计算机视觉# 目标检测# OpenCV

讲解图像处理基础、卷积神经网络原理、目标检测（YOLO/RCNN）、图像分割等方向，结合 OpenCV 快速上手视觉类 AI 任务

# 计算机视觉# 目标检测# OpenCV