├── 第一阶段 深度学习与PyTorch基础
│ ├── 深度学习基础
│ ├── PyTorch框架使用
│ ├── 神经网络分类与回归任务
│ ├── 图像识别模型训练
│ └── 自定义数据集与DataLoader
├── 第二阶段 计算机视觉基础与实战
│ ├── OpenCV图像处理
│ ├── YOLO目标检测实战
│ ├── 图像分类与ResNet
│ ├── 图像分割算法
│ ├── UNet、DeepLab、Mask R-CNN
│ └── 工业缺陷检测项目
├── 第三阶段 Transformer视觉模型
│ ├── Transformer原理
│ ├── ViT视觉Transformer
│ ├── Swin Transformer源码解析
│ ├── DETR目标检测
│ ├── MaskFormer系列模型
│ └── BEV感知算法
├── 第四阶段 NLP自然语言处理
│ ├── NLP基础任务
│ ├── Word2Vec词向量模型
│ ├── RNN与LSTM文本分析
│ ├── BERT原理与源码
│ ├── 中文情感分析
│ └── 命名实体识别实战
├── 第五阶段 大模型与LLM应用
│ ├── ChatGPT与大语言模型
│ ├── LLM基础与LoRA微调
│ ├── LangChain应用开发
│ ├── 视觉大模型SAM
│ ├── 多模态模型CLIP
│ └── 大模型项目实践
├── 第六阶段 生成式AI
│ ├── GAN原理
│ ├── CycleGAN图像生成
│ ├── StarGAN图像转换
│ ├── StarGAN语音转换
│ ├── 扩散模型
│ └── 图像超分辨率重构
├── 第七阶段 知识图谱与智能问答
│ ├── 知识图谱基础
│ ├── Neo4j图数据库
│ ├── 实体关系抽取
│ ├── 医疗知识图谱
│ └── 智能问答系统实战
├── 第八阶段 AI语音技术
│ ├── Seq2Seq语音模型
│ ├── LAS语音识别
│ ├── Tacotron语音合成
│ ├── ConvTasNet语音分离
│ └── 语音转换项目
├── 第九阶段 AI高级方向
│ ├── 无人驾驶深度学习
│ ├── 三维重建
│ ├── 深度估计
│ ├── 时间序列预测
│ ├── Informer与TimesNet
│ └── AI论文创新方法
