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
评论0+