├── 01 Python基础入门
│ ├── 1-Python学习之路
│ │ ├── 1-Python学习之路
│ │ ├── 2-虚拟环境安装
│ │ ├── 3-计算机基础理论
│ │ ├── 4-语法
│ │ └── 5-运算符和内建函数
│ ├── 分支循环
│ │ ├── 分支循环
│ │ └── 循环和三元表达式
│ └── 数值和内建函数
│ ├── 数值和内建函数
│ ├── 线性表原理详解
│ └── 列表操作和内存模型
├── 02 Python数据结构与函数
│ ├── c02线性表
│ │ ├── 列表复制原理
│ │ ├── Random模块
│ │ ├── 元组
│ │ ├── 字符串构造
│ │ ├── 字符串分割替换移除
│ │ ├── 字符串判断
│ │ ├── 字符串格式化
│ │ └── 编码的本质
│ ├── c02线性表c03哈希表
│ │ ├── 封装和解构
│ │ └── set和哈希表原理
│ ├── c03哈希表c04函数
│ │ ├── 字典增删改查
│ │ ├── 遍历和有序性
│ │ ├── 解析式和生成器表达式
│ │ └── 函数概念
│ └── c04函数
│ ├── 函数概念
│ ├── 传实参2种方式
│ ├── 缺省值
│ ├── 可变形参
│ ├── 形参和返回值
│ ├── 作用域和嵌套函数
│ └── 局部变量赋值和global
├── 03 Python函数进阶与装饰器
│ ├── c04函数
│ │ ├── 函数执行原理
│ │ ├── 递归函数
│ │ ├── 作业之比较大小
│ │ ├── 作业上下三角打印
│ │ └── 选择排序精讲
│ ├── c04函数
│ │ ├── 闭包原理
│ │ ├── nonlocal和LEGB
│ │ ├── 匿名函数
│ │ ├── 生成器函数
│ │ └── 排序
│ └── c05装饰器
│ ├── 可迭代对象和内建函数
│ ├── 高阶函数柯里化
│ ├── 无参装饰器
│ ├── 带参装饰器
│ └── 类型注解和类型检查装饰器
├── 04 Python文件IO与面向对象
│ ├── c05装饰器c06文件IO和序列化
│ │ ├── 插入排序
│ │ ├── functools之reduce和partial
│ │ ├── functools之lru_cache和cache原理
│ │ ├── open方法和主模式
│ │ └── 附加模式和指针
│ ├── c06文件IO和序列化
│ │ ├── 递归作业详解
│ │ ├── 文件对象读写和迭代
│ │ ├── Path模块
│ │ ├── Path常用操作
│ │ ├── Path操作2
│ │ └── shutil模块使用
│ └── c06文件IO和序列化
│ ├── 序列化本质和pickle
│ ├── json和msgpack
│ ├── csv文件处理
│ ├── 正则表达式1
│ ├── 正则表达式2
│ ├── re模块使用
│ └── argparse模块使用
├── 05 Python面向对象
│ ├── c07面向对象
│ │ ├── 面向对象概念
│ │ ├── 类、实例、属性、self
│ │ ├── 属性本质和属性访问规则
│ │ ├── 方法、类方法、静态方法原理
│ │ └── 访问控制
│ ├── c07面向对象
│ │ ├── 时间模块使用
│ │ ├── property装饰器
│ │ ├── 继承和访问控制
│ │ ├── 继承
│ │ ├── 覆盖
│ │ ├── 初始化原则和多态
│ │ └── 多继承和Mixin
│ └── c07面向对象c08面向对象进阶
│ ├── 异常处理
│ ├── 魔术方法之实例化
│ ├── 魔术方法之可视化
│ ├── 魔术方法之布尔等效
│ ├── 魔术方法之比较运算符重载
│ ├── 魔术方法之算数运算符重载
│ └── 魔术方法之容器化
├── 06 Python高级特性
│ ├── c08面向对象进阶
│ │ ├── 魔术方法之可调用对象
│ │ ├── 魔术方法之上下文管理
│ │ ├── 魔术方法之反射
│ │ ├── 模块搜索加载缓存导入和全局变量
│ │ └── 魔术方法之哈希
│ └── c08面向对象进阶
│ ├── 包加载原理
│ ├── 绝对导入和相对导入
│ ├── 导入访问控制和__all__
│ ├── 打包分发
│ └── 树的遍历
├── 07 Python机器学习与深度学习基础
│ ├── sklearn神经网络和pytorch
│ │ ├── sklearn
│ │ └── 神经网络和pytorch
│ └── RNNLSTMGRU和Transformer
├── 08 大模型基础与训练技术
│ ├── Transformer模型训练深度解析、各组件的演进、GPU
│ ├── 模型分布式训练并行策略、通信原语、ZeRO、混合并行、模型训练案例
│ ├── 大模型分布训练（ddpfsdp和deepspeed示例）、HuggingFace API及用例、模型微调基础
│ ├── 模型微调实践、模型压缩与优化介绍、模型量化工作原理、模型量化实践、模型剪枝和模型蒸馏介绍
│ ├── 第14节-模型量化及实践案例、模型推理与推理引擎、vLLM组件、架构、工作原理及案例
│ ├── 第15节-SGLang推理引擎、LLM的生产架构及案例
│ └── 第16节-基于LiteLLM-Proxy的生产架构案例、Ray与Ray Cluster、Ray Cluster创建与管理、Ray Serve架构
