AI应用开发相关目录
本专栏包括AI应用开发相关内容分享，包括不限于AI算法部署实施细节、AI应用后端分析服务相关概念及开发技巧、AI应用后端应用服务相关概念及开发技巧、AI应用前端实现路径及开发技巧
适用于具备一定算法及Python使用基础的人群
- AI应用开发流程概述
- Visual Studio Code及Remote Development插件远程开发
- git开源项目的一些问题及镜像解决办法
- python实现UDP报文通信
- python实现日志生成及定期清理
- Linux终端命令Screen常见用法
- python实现redis数据存储
- python字符串转字典
- python实现文本向量化及文本相似度计算
- python对MySQL数据的常见使用
- 一文总结python的异常数据处理示例
- 基于selenium和bs4的通用数据采集技术（附代码）
- 基于python的知识图谱技术
- 一文理清python学习路径
文章目录
python学习路线总结
0.英语基础
1.python基础
环境搭建
数据类型
语句结构
基本库的使用
开源api调用
面向对象编程
代码思维、能力
2.数据采集
html等前端知识
爬虫基本代码框架（requests，正则、xpath、bs4等）
selenium傻瓜库、github扒代码
3.数据挖掘
pa、np、plt
相关线性代数、统计学知识
机器学习
有监督分类
有监督回归
无监督聚类
mlp、arima等模型
各种数据评估数据计算（混淆矩阵、SSE等）
数据增强手段、特征工程
4.神经网络
DNN（基本数据）
CNN（图片）
RNN（文字）
LSTM（时序）
opencv基础
gensim、jieba、音频处理、时频域变换、信号处理策略等数据方面的辅助技能和知识
迁移学习、强化学习、参数/超参数优化手段等模型方面的知识和技能
5.大模型
大模型相关概念
开源项目应用
RAG、DB、KG等方向的大模型开发能力
prompt、agent等方向的大模型性能提升能力
6.开发
django等web开发
PyQt5等GUI开发
多线程、udp/TCP等通信
Linux相关技术
git、docker、vs、mobaxter、navicat、wincp等开发软件或工具的使用
7.数据库
pysql+数据库知识
redis等实时库
知识图谱
neo4j
py2neo
大型数据库：flink，spark等概念