程序员的AI必修课程：10小时精通AIGC编程

简介：

替代你的不是AI，而是比你更懂AI编程的人。黑马大咖老师手把手教你用AIGC写代码、改bug、做测试、搞项目，课程采用纯项目实战的模式——包含Java、前端、大数据、人工智能及测试经典项目，同时课程教授11种AIGC热门工具，报名课程还可免费获取独家Prompt宝典、AIGC原理课程。

章节目录：

第一章 AIGC如何为程序员赋能

1-1 课程介绍

01.课程安排

02.AIGC背景介绍

03.AIGC在代码场景应用

04.AIGC在岗位场景应用-Java开发工程师参考

05.AIGC在岗位场景应用-大数据开发工程师参考

06.AIGC在岗位场景应用-前端开发工程师参考

07.AIGC在岗位场景应用-测试开发工程师参考

08.AIGC在岗位场景应用-人工智能开发工程师参考

09.总结和下一步安排

第二章 AIGC全栈实战开发

2-1 【Java项目】基于AIGC的瑞吉外卖系统开发

01.AIGC在Java中的应用

02.多轮对话和编写文档

03.项目介绍和环境搭建

04.设计数据表

05.登录功能开发 第二次

06.登录拦截

07.登出

08.设计员工表

09.新增员工

10.利用AOP实现时间字段自动填充

11.全局异常处理类0628

12.查询员工

13.购物车

14.bito的基本用法

15.利用bito阅读代码

16.利用bito代码重构

17.利用bito加注释和清理调试代码

18.利用bito单元测试

2-2 【前端项目】基于AIGC的面经H5项目开发

01.项目介绍

02.项目搭建

03.初始化配置

04.注册

05.登录

06.首页布局

07.面经页面布局

08.面经列表

09.收藏

10.我的

2-3 【大数据项目】基于AIGC的出行大数据平台项目

01.项目目录及学习目标

02.项目介绍

03.项目数据集介绍

04.基于AIGC实现数仓构建

05.基于AIGC实现数仓分析-ODS层构建

06.基于AIGC实现数仓分析-DWD层构建

07.基于AIGC实现数仓分析-DWD层构建-下

08.基于AIGC实现数仓分析-DWM层构建

09.基于AIGC实现数仓的分析-APP层构建-上

10.基于AIGC实现数仓的分析-APP层构建-下

11.基于AIGC及Sqoop实现数据导出-上

12.基于AIGC及Sqoop实现数据导出-下

13.FineBI实现数据的可视化

14.项目总结

15.项目开发环境说明

2-4 【人工智能项目】基于AIGC的细粒度车型识别项目

01.导言

02.项目介绍

03.车型识别总流程

04.数据集获取

05.图像增强

06.模型构建

07.模型训练

08.模型预测

09.模型部署

10.项目总结

2-5 【测试项目】AIGC实现UI自动化测试

01.课程目标

02.项目介绍

03.UI自动化测试实现方案

04.测试用例分析

05.登录-页面对象封装

06.登录-生成测试用例

07.登录-运行调试脚本

08.搜索商品-页面对象封装

09.搜索商品-生成测试用例

10.搜索商品-运行调试脚本

11.加入购物车-页面对象封装

12.加入购物车-生成测试用例

13.加入购物车-运行调试脚本

14.代码优化

第三章 AIGC模型基础知识

3-1 课程安排及NLP简介

01-总体课程安排

02-今天的课程安排

03-NLP概念和发展史

04-NLP应用场景

3-2 文本处理的基本方法

05-文本处理的主要环节

06-jieba分词-概念-pip安装

07-jieba分词-三种模式

08-jieba分词-用户自定义词典-繁体

09-命名实体识别和词性标注

3-3 文本张量表示方法（一）

10-文本张量表示概念-onehot编码思路分析

11-onehot编码生成

12-onehot编码使用

13-词向量定义-CBOW思想

14-中午课程回顾

15-词向量-cbow工作原理和课堂答疑

16-词向量-onehot横着画和竖着画-拿词向量

17-词向量-skipgram方式

3-4 文本张量表示方法（二）

18-词向量训练保存加载

19-查看词向量和词向量效果检验

20-词向量训练-参数选择

21-词向量训练-有监督和无监督

22-nnembed词向量案例-案例展示

23-nnembed词向量案例-思路分析

24-nnembed词向量案例-实现和调试

25-pycharm连接远程服务器-配置效果展示

26-pycharm连接远程服务器-配置操作

01-上一次课程复习

3-5 文本数据分析

02-数分-定义-数据集-标签分布-思路

03-数分-标签分布-实现

04-数分-句子长度分布-思路分析

05-数分-句子长度分布-编码实现

06-数分-正负样本散点图-思路和实现

07-数分-统计单词个数

08-跨目录cp文件和pycharm连接远程解释器

08-数分-词云-思路分析

09-数分-词云-代码串讲

3-6 文本特征处理

10-特征处理-n-gram特征

11-特征处理-文本长度处理

12-中午课程回顾

13-文本数据增强

14-文本预处理5个环节-小结

3-7 RNN基础模

15-RNN看山

16-RNN定义和作用

17-RNN模型的分类

18-RNN内部结构分析

19-RNNapi-主导参数和辅助参数

20-RNNapi-4个主导参数-关系实验

21-RNNapi-隐藏层参数

22-RNNapi-所有时间步共享隐藏层矩阵参数

23-RNN模型的优缺点

3-8 LSTM基础

24-1-LSTM内部结构-3个门-细胞状态

24-2小结

25-LSTMapi介绍

01-上一次课程复习

3-9 GRU基础

02-gru内部结构

03-gruApi

04-rnn-lstm-gru内部权重参数矩阵多少分析

05-batch-first属性只对input和output有影响

06-rnn-一个字符一个字符和批次送数据

3-10 人名分类器案例（一）

07-人名分类器案例-目标-案例介绍-数据

08-人名分类器案例-字母张量化思路分析

09-数据处理-读数据

10-数据处理-数据源dataset-思路分析

11-数据处理-数据源dataset-编码实现

12-数据处理-数据源dataset-调试

13-中午课程回顾

3-11 人名分类器案例（二）

14-rnn模型-实现思路分析

15-rnn模型-编码实现

16-rnn模型-编码测试和调试

17-lstm模型-编码和测试

18-gru模型-编码和测试

19-rnn模型训练-实现思路分析

20-rnn模型训练-编码

21-rnn模型训练-测试和调试

22-lstm模型训练-编码和测试

23-gru模型训练-编码和测试

24-模型训练制图

01-上一次课程复习

3-12 人名分类器案例（三）

02-搭建知识体系不是一件轻松的事情

03-模型训练-对比实验效果分析

04-模型预测-rnn思路分析

05-模型预测-rnn预测实现

06-模型预测-gru和lstm预测实现

07-模型预测-综合调用

08-服务器模型训练-session问题

09-服务器模型训练-脱离session转后台进程

10-服务器模型训练-启动了多个后台进程错误

11-gpu模型训练-cuda和device概念

12-gpu模型训练-微调rnn和数据

13-gpu模型训练-rnn模型预测微调

14-gpu模型训练-思考与提高

15-中午课程回顾

3-13 注意力机制

16-注意力的概念和为什么需要注意力机制

17-生活中的qkv和神经网络模拟生活中的qkv

18-seq2seq架构中qkv-seq2seq工作原理

19-seq2seq架构中qkv-分布代表什么

20-seq2seq架构中qkv-做了什么

21-注意力机制只是一个小的策略-站在神经网络三要素高度去理解

22-课堂答疑

23-注意力计算规则-作用-分类

24-注意力机制-思路分析

25-注意力机制-编码实现

26-注意力机制-调试

27-注意力机制-单词个数改变-权重分布调试实验

01-上一次课程复习-注意力机制

02-作业点评

3-14 英译法任务（一）

03-seq2seq案例-架构和数据集

04-seq2seq案例-需求分析和任务识别

05-课堂答疑为什么选用nnembedding

06-seq2seq案例-总体步骤和导包

07-数据处理-思路分析

08-数据处理-文本清洗

09-数据处理-构建英文法文字典

10-数据处理-dataset类构建思路分析

11-数据处理-dataset类编码实现

12-数据处理-dataset类测试和调试

13-课堂答疑-有关batchsize

14-编码器-思路分析

15-编码器-编码实现

16-编码器-测试和调试

17-中午课程回顾

3-15 英译法任务（二）

18-解码器-实现思路分析

19-解码器-编码实现

20-解码器-调试和测试

21-attention解码器-实现思路分析

22-attention解码器-编码实现

23-attention解码器-测试和调试

24-训练函数主业务-思路分析

25-训练函数主业务-编写实现

26-内部训练函数-思路分析

27-内部训练函数-编码和调试

3-16 英译法任务（三）

01-训练函数流程复习和确认

02-注意力机制流程复习和确认

03-注意力机制数据形状变化剖析【重要】

04-模型训练-teacher-forcing概念

05-模型训练-teachr-forcing实现和调试

06-注意力机制-bmm运算意义解读【重要】

07-模型评估-串讲

08-中午课程回顾

09-注意力机制权重分布制图

3-17 注意力机制扩展阅读

10-注意力机制的拓展阅读

11-gpu设备上训练模型

3-18 Transformer结构

12-transformer背景介绍

13-transformer结构-4个部分

14-transformer结构-编码解码子层

15-transformer结构-编码器层和解码器层是如何连接的

16-课堂答疑

01-上一次课程复习

02-上一次课程复习-tranformer组成部分

3-19 输入部

03-总体实现的要求和说明

04-输入-词嵌入层-思路分析

05-输入-词嵌入层-编码实现和调试

06-输入-添加位置信息-思想分析

07-课堂答疑-不同批次添加位置信息

08-课堂答疑-深度学习提取事物特征和机器学习不同之处

09-输入-添加位置信息-代码分析

10-输入-添加位置信息-编码实现

11-输入-添加位置信息-测试和调试

12-输入-绘制偶数奇数特征曲线

13-中午课程回顾

3-20 自注意力机制

14-掩码张量-上下三角矩阵

15-1自注意力机制-现实意义

15-2自注意力机制-现实意义-小结

16-自注意力机制-编码思路分析

17-自注意力机制-编码实现析

18-自注意力机制-调试

19-自注意力机制-权重分布矩阵的练习

3-21 多头注意力机制

20-多头注意力机制-概念作用和流程

21-多头注意力机制-数据形状变化分析【重要】

22-多头注意力机制-代码分析

23-课堂答疑-view和reshpe

01-上一次课程复习

02-多头注意力机制-复习

03-多头注意力机制-代码分析

04-多头注意力机制-编码实现

05-多头注意力机制-测试和调试

06-课堂答疑-多头注意机制

07-transpose和view函数

3-22 编码器部分

08-前馈全连接层-思路分析和代码实现

09- 规范化层-实现思路分析

10- 规范化层-编码实现

11- 规范化层-测试和调试

12-子层连接结构-实现思路分析

13-子层连接结构-编码实现

14-子层连接结构-测试和调试

15-中午课程回顾

16-编码器层-思路分析

17-编码器层-编码实现

18-编码器层-测试和调试

19-编码器部分-思路分析

20-编码器部分-编码实现和调试

21-编码器部分-注意单独copyatten对象和ff对象

3-23 解码器部分

22-解码器层-思路分析

23-解码器层-编码实现

24-解码器层-测试和调试

25-mask的两个作用-防止信息泄露-处理pad数据

26-解码器部分-思路分析和编码实现和调试

01-上一次课程复习-上

02-上一次课程复习-下

03-输出部分-思路分析代码实现和调试

3-24 模型构建

04-模型构建-总体流程梳理

05-模型构建-总体业务流程-编码实现

06-模型构建-编码解码内部函数-编码实现

07-模型构建-测试和调试

08-transformer论文复现-复盘

09-上午课程回顾

3-25 fasttext工具介绍

11-fasttext-作用-速度快-层次softmax-ngram特征

12-面试题hssoftmax为什么要比普通softmax要速度快

13-fasttext-安装

14-分类概念-fasttext数据格式-数据集划分

15-fasttext分类基本api函数使用

16-fasttext模型调优-数据调优

17-fasttext模型调优-轮次-学习率-2gram-hs

18-fasttext模型自动超参数调优

01-上一次课程复习

02-fasttext多标签多分类api

03-fasttext训练词向量-复习

3-26 NLP中的标准数据集

04-词向量迁移

05-迁移学习概念

06-glue数据集概念

07-glue标准数据集-前三种

08-glue标准数据集-中间三种

09-glue标准数据集-后三种

10-clue标准数据集介绍

11-中午课程回顾

3-27 transformers库使用（一）

12-预训练模型分类和大小

13-transformers开源社区和库介绍

14-transformers三层架构

15-transformers库的安装

16-pipeline方式-官网模型下载

17-pipeline-文本分类

18-pipeline-特征抽取-思路分析

19-pipeline-特征抽取-api调用

20-pipeline-完型填空

21-pipeline-阅读理解任务

22-pipeline-文本摘要

01-提高职业素养

02-上一次课程复习上

03-上一次课程复习下

3-28 transformers库使用（二

04-automodel-文本分类思路分析

05-automodel-文本分类编码实现

06-automodel-分词器编码-指定数据格式

07-课堂答疑-有关eval和nograd区别和联系

08-automodel-特征提取-思路分析

09-automodel-特征提取-实现和调试

10-课堂答疑-多句话使用bath_encode_plus

11-automodel-完型填空-思路分析

12-automodel-完型填空-编码实现

13-automodel-阅读理解(抽取式问答)

14-automodel-文本摘要

15-automodel-ner任务

16-中午课程回顾

17-具体模型方式-完型填空

18-课堂答疑-具体模型和automodel方式区别和联系

3-29 迁移学习实践（一）

19-1-迁移学习中文数据和微调实现思路

19-2-迁移学习中文数据和微调实现思路

20-数据预处理-dataset

21-数据预处理-dataloader二次处理回调函数-原因-data语法

22-数据预处理-二次处理思路分析

23-数据预处理-二次处理编码实现和调试

24-课堂答疑-数据处理length属性和最大长度属性

25-搭建模型-思路分析

26-搭建模型-实现和调试

27-模型训练-思路分析

28-模型训练-编码

29-模型训练-调试

01-上一次课程复习

02-上一次课程复习

3-30 迁移学习实践（二）

03-中文分类-模型评估-串讲

04-中文分类-任务识别和需求分析

05-中文分类-数据处理思路分析

06-中文分类-数据处理编码实现

07-中文分类-数据处理测试和调试

08-中文分类-模型构建

09-中文分类-模型训练-代码移植

10-中文分类-模型评估-代码移植

11-中午课程回顾

3-31 迁移学习实践（三）

12-句子关系-任务介绍需求分析

13-句子关系-数据处理-正负样本-文本数值化-思路分析

14-句子关系-数据处理-正负样本-编码实现

14-句子关系-数据处理-正负样本-调试

15-句子关系-数据处理-回调函数文本数值化-编码和调试

16-句子关系-模型构建

17-句子关系-模型训练

18-句子关系-模型评估

19-文本预处理知识体系-复习

3-32 迁移学习实践（四）

01-上一次课程复习

02-微调脚本-概念和数据集

03-微调脚本-训练过程演示

04-微调脚本-模型的调用

05-微调脚本-做实验的步骤

3-33 bert模型

06-bert模型-简介

07-bert模型-架构-对比

08-bert模型-词向量层

08-bert模型-特征抽取层和预微调层

09-bert模型-为什么采用CLS特征作为整个句子的特征

10-bert模型-mlm和nsp训练任务

3-34 Transformer子模块

11-Transformer 各子模块作用

12-中午课程回顾

13-1Transformer Decoder模块

13-3课堂答疑-有关sos+a+b去生成c

13-2课堂答疑-有关1个字符1个字符的解码

3-35 self attention机制详解

14-selfattention概念

15-添加缩放系数-qk乘积在增大

16-添加缩放系数-qk乘积方差增大d_k倍

18-添加缩放系数-方差增加会造成最大值分量强占所有概率

19添加缩放系数-均值和方差

20-添加缩放系数-softmax函数求导

21-添加缩放系数-XY运算方差增大d_k

22-添加缩放系数-XY运算方差增大d_k2

3-36 Transformer优势

23-rnn和注意力机制知识体系复习

24-seq2seq案例-review代码

01-上一次课程复习

02-transformer优势

3-37 bert及elmo模型

03-bert模型的特点

04-elmo简介和架构

05-bert模型动态词向量实验

06-bert模型静态词向量实验

07-elmo模型-训练

08-elmo模型-效果和待改进点

09-中午课程复习

3-38 gpt模型

10-gpt模型-简介和架构

11-gpt模型-二阶段训练

12-gpt模型-工作流程

13-gpt模型-工作流程

14-三大模型优点和缺点

第四章 基于AIGC大模型开发和应用

4-1 课程背景介绍

01-AIGC介绍

02-AIGC背景介绍

03-AIGC注册mp4

04-python调用AIGC

05-AIGC应用场景

06–AIGC模型本质

4-2 AIGC发展历程及原理

07–Ngram语言模型

08–神经网络语言模型

09–AIGC模型训练过程

10–AIGC模型特点与总结

11-AIGC模型介绍

12–AIGC模型

13–AIGC介绍

14–AIGC原理

15–今日课程总结

4-3 聊天机器人项目介绍及数据处理

01–聊天机器人项目背景

02–聊天机器人的项目架构

03–数据格式转换

04–数据格式处理

05–数据迭代器构建

4-4 聊天机器人项目代码介绍

06–模型结构介绍

07–main函数介绍1

08–训练函数解析

09–计算准确率函数解析

10–训练函数讲解

11–人机交互

第五章 赠送AIGC原理课程

5-1 AIGC原理篇

01.AIGC入门

02.AIGC原理

03.基于AIGC人名分类案例

04.聊天机器人初探

05.闲聊机器人实现

5-2 AIGC百宝箱

01.AIGC百宝箱