• 投稿

【2026优化版】李宏毅AI入门课程全套！包含人工智能基础、机器学习、深度学习、神经网络、大模型LLM、Agent，公认体验感最好的AI入门课程！

2160
11
2026-09-04 15:11:11
未经作者授权，禁止转载
123
16
333
56
内容干货满满，没有多余废话，非常适合自学、面试刷题、项目打底，帮你快速搭建完整的AI知识体系。如果已经在做项目、想直接学最新模型和工程实战，可以再搭配李沐或其他实战课程【https://www.bilibili.com/video/BV15UREYsEN8】。真心建议想入行AI、提升技术的朋友收藏学习，少走半年弯路。
神经网络
人工智能
AI
LLM大模型
机器学习
李宏毅
深度学习
Agent
AI入门
人工智能基础
深度学习项目实战 发消息
付费咨询/1V1辅导 论文发表，核心期刊，SCI论文，EI会议、期刊、论文带读、本硕毕业论文
视频选集
（1/200）
李宏毅AI人工智能课程介绍
00:56
【李宏毅新版《机器学习》】1.第一讲：一堂课搞懂生成式人工智能的技术突破与未來发展
01:24:21
2.Colab_Kaggle教程
28:12
3.PyTorch教程
40:48
4.JudgeBoi指南
06:36
5.HW1 - Retrieval Augmented Generation w
25:19
6.第二讲：一堂课搞懂 AI Agent 的原理（AI如何跨越行为调整、使用工具
01:42:00
7.HW2 - AI Agent2
47:06
8.第三讲：AI 的脑科学 — 语言模型内部运作机制剖析 (解析单一神经元到整群神经元的运作机制、如何让语言模型说出自己的内心世界)
01:49:52
9.HW3 - Understanding transformers
27:15
10.第四讲：Transformer 的时代要结束了吗？介绍 Transform
01:22:42
11.HW4 - Training Transformer
15:17
12.第五讲：大型语言模型训练方法「预训练–对齐」
01:19:55
13.助教课：利用多张GPU训练大型语言模型—从零开始介绍DeepSpeed、L
54:56
14.HW5 - Finetuning is Powerful
35:40
15.第六讲：生成式人工智能的后训练(Post-Training)与遗忘问题
01:15:32
16.HW6 - Fine-tuning Leads to Forgettin
52:57
17.HW6 - Hugging Face Llama Model Downlo
06:24
18.第七讲：DeepSeek-R1 这类大型语言模型是如何进行「深度思考」（R
01:18:30
19.第八讲：大型语言模型的推理过程不用太长、够用就好
24:22
20.第九讲：谈谈有关大型语言模型评估的几件事
24:03
21.第十讲：人工智慧的微创手术 — 浅谈 Model Editing
44:56
22.HW7 - RLHF
19:12
【李宏毅旧版《机器学习》】1.(正课)机器学习 规则说明
40:58
2.(正课)【生成式AI】ChatGPT原理剖析(1_3)-对 ChatGPT
19:59
3.(正课)【生成式AI】ChatGPT原理剖析(2_3)-预训练
26:24
4.(正课)【生成式AI】ChatGPT原理剖析(3_3)-ChatGPT 所带
13:22
5.(正课)【生成式AI】用 ChatGPT 和Midjourney来玩文字冒险
20:16
6.(延申)ChatGPT(可能)是怎么炼成的-GPT社会化的过程
17:55
7.(选修)Regression - Case Study
01:18:35
8.(选修)Classification
01:09:41
9.(选修)Logistic Regression
01:07:14
10.(作业)Colab Tutorial (introduction + de
28:41
11.(作业)PyTorch Tutorial (introduction)
40:48
12.(作业)Homework 1 (introduction + sample)
34:33
13.(正课)【生成式AI】快速了解机器学习基本原理 (1_2) 已经略懂机器
24:01
14.(正课)【生成式AI】快速了解机器学习基本原理 (2_2) 已经略懂机器
15:13
15.(正课)【生成式AI】生成式学习的两种策略：要各个击破，还是要一次到位
21:58
16.(正课)【生成式AI】能够使用工具的AI：New Bing, WebGPT
24:23
17.(延申)Brief Introduction of Deep Learni
46:31
18.(延申)Gradient Descent
01:01:52
19.(延申)Backpropagation
31:26
20.(选修)卷积神经网络
55:39
21.(选修)自注意力机制 (Self-attention) (下)
45:58
22.(作业)HW2 - Multi-class Classification-
01:08:14
23.(正课)【生成式AI】Finetuning vs. Prompting：对
22:15
24.(正课)【生成式AI】Finetuning vs. Prompting：对
24:39
25.(正课)【生成式AI】Finetuning vs. Prompting：对
15:34
26.(延申)自督导式学习 (Self-supervised Learning)
50:41
27.(延申)自督导式学习 (Self-supervised Learning)
17:03
28.(作业)HW3 - CNN- Image Classification
44:30
29.(正课)大模型 + 大资料 = 神奇结果？ (1_3)：大模型的顿悟时刻 P29)
22:43
30.(正课)大模型 + 大资料 = 神奇结果？ (2_3)：到底要多少资料才够 P30)
27:17
31.(正课)大模型 + 大资料 = 神奇结果？ (3_3)：另辟蹊径 — KN P31)
13:28
32.(正课)GPT-4 来了! GPT-4 这次有什么神奇的能力呢？ P32)
16:15
33.(作业)Homework 4 P33)
11:00
34.(正课)速览图像生成常见模型 P34)
26:57
35.(正课)浅谈图像生成模型 Diffusion Model 原理 P35)
13:54
36.(正课)Stable Diffusion、DALL-E、Imagen 背后 P36)
19:48
37.(延申)Unsupervised Learning - Deep Gene P37)
01:03:31
38.(延申)Flow-based Generative Model_2 P38)
01:07:52
39.(延申)GAN Lecture 1 (2018)- Introductio P39)
01:33:15
40.(作业)homework 5 P40)
02:20:11
41.(作业)homework 6 P41)
20:09
42.(正课)Diffusion Model 原理剖析 (1_4) (optio P42)
13:56
43.(正课)Diffusion Model 原理剖析 (2_4) (optio P43)
27:08
44.(正课)Diffusion Model 原理剖析 (3_4) (optio P44)
25:00
45.(正课)Diffusion Model 原理剖析 (4_4) (optio P45)
17:48
46.(正课)【生成式AI】穷人如何低资源复刻自己的 ChatGPT P46)
22:49
47.(正课)【生成式AI】让 AI 村民组成虚拟村庄会发生什么事？ P47)
23:34
48.(作业)homework 7 P48)
41:52
49.(正课)【生成式AI】大型语言模型的应用 P49)
02:18:51
50.(作业)Homework 8 P50)
29:13
51.(作业)Homework 9 P51)
15:51
52.(正课)语音基石模型 (1_2) P52)
43:06
53.(正课)语音基石模型 (2_2) P53)
55:06
54.(作业)Homework 10 P54)
35:25
55.(正课)用语言模型來解释语言模型 (上) P55)
21:41
56.(正课)用语言模型來解释语言模型 (下) P56)
13:57
57.(正课)让 AI 做计划然后自己运行自己 P57)
26:13
58.(正课)FrugalGPT- 来看看穷人怎么用省钱的方式来使用 ChatG P58)
14:46
59.(正课)FrugalGPT- 来看看穷人怎么用省钱的方式来使用 ChatG P59)
08:34
60.(作业)Homework 11 P60)
22:25
61.(作业)Homework 12 P61)
32:37
62.(作业)Homework13 - Network Compression P62)
19:58
63.(作业)Homework14 - Life-long Learning P63)
17:56
64.(作业)Homework15 - Meta Learning P64)
28:38
【李宏毅 深度学习】1.1. 开学喽~ 又要周更了~(,P1)
32:36
2.第 1 讲：机器学习基本概念简介
50:00
2.第 1 讲：深度学习基本概念简介
58:35
3.ML PyTorch Tutorial 1
31:01
4.ML PyTorch Tutorial 2
15:52
5.ML PyTorch Tutorial Colab
12:34
6.第 1 讲（选修）：深度学习介绍
46:31
7.第 1 讲（选修）：反向传播
31:26
8.第 1 讲（选修）：预测神奇宝贝CP
01:18:36
9.第 1 讲（选修）：神奇宝贝分类
01:09:41
10.第 1 讲（选修）：逻辑回归
01:07:14
11.第 2 讲：机器学习任务攻略
51:24
12.第 2 讲：类神经网络训练不起来怎么办（一）局部最小值 (loca)
33:45
13.第 2 讲：类神经网络训练不起来怎么办（二）批次 (batch)
30:59
14.第 2 讲：类神经网络训练不起来怎么办 (三)：自动调整学习速率 (,P15)
37:43
15.16. 第 2 讲：类神经网络训练不起来怎么办(四)：损失函数(Loss)(,P16)
19:28
17.17. 【机器学习 2022】重温神奇宝贝和数码宝贝分类器——谈谈机器学习(,P17)
01:14:00
18.18. 第 2 讲（选修）：Gradient Descent（AOE 演示(,P18)
02:36
19.19. 第 2 讲（选修）： Gradient Descent（Minec(,P19)
01:41
20.20. 第 2 讲（选修）： Optimization for Deep(,P20)
54:36
21.21. 第 2 讲（选修）： Optimization for Deep (,P21)
54:32
22.22. 第 3 讲：卷积神经网络 (Convolutional Neura(,P22)
55:40
23.23. 【机器学习2022】为什么用了验证集结果还是过拟合了呢？(,P23)
08:56
24.24. 【机器学习 2022】鱼与熊掌可以兼得的深度学习(,P24)
41:35
25.25. 第 3 讲（选修）：Spatial Transformer Lay(,P25)
32:56
26.26. 第 4 讲：自注意力机制 (Self-attention) (上)(,P26)
28:18
27.27. 第 4 讲：自注意力机制 (Self-attention) (下(,P27)
45:58
28.28. 第 4 讲（选修）：RNN（Part I）(,P28)
49:00
29.29. 第 4 讲（选修）：RNN (Part II)(,P29)
01:30:50
30.30. 第 4 讲（选修）：GNN (1_2)(,P30)
39:02
31.31. 第 4 讲（选修）：GNN (2_2)(,P31)
01:11:37
32.32. 第 5 讲：Transformer (上)(,P32)
32:48
33.33. 第 5 讲：Transformer (下)(,P33)
01:00:34
34.34. 【机器学习 2022】各种各样神奇的自注意力机制 (Self-at(,P34)
01:11:16
35.35. 第 5 讲（选修）：Non-Autoregressive Sequ(,P35)
01:01:53
36.36. 第 5 讲（选修）：Pointer Network(,P36)
13:35
37.37. 第6讲：生成式对抗网络 (Generative Adversari(,P37)
39:09
38.38. 第6讲：生成式对抗网络 (Generative Adversari(,P38)
46:41
39.39. 第6讲：生成式对抗网络 (Generative Adversari(,P39)
49:47
40.40. 第6讲：生成式对抗网络 (Generative Adversari(,P40)
23:41
41.41. 第 6 讲（选修）：GAN 理论（第 1 部分）(,P41)
01:20:19
42.42. 第 6 讲（选修）：GAN 理论（第 2 部分）(,P42)
25:05
43.43. 第 6 讲（选修）：GAN 理论（第 3 部分）(,P43)
50:07
44.44. 第 6 讲（选修）：VAE(,P44)
01:03:31
45.45. 第 6 讲（选修）：Flow-based Generative (,P45)
01:07:52
46.46. 第 7 讲：自监督学习 (Self-supervised Lear(,P46)
07:10
47.47. 第 7 讲：自监督学习 (Self-supervised Lear(,P47)
50:41
48.48. 第 7 讲：自监督学习(Self-supervised Learn(,P48)
24:14
49.49. 第 7 讲：自监督学习(Self-supervised Learn(,P49)
17:04
50.50. 第 7 讲（选修）：BERT（第 1 部分）(,P50)
50:09
51.51. 第 7 讲（选修）：BERT（第 2 部分）(,P51)
01:11:47
52.52. 第 7 讲（选修）：GPT-3(,P52)
29:58
53.53. 第 8 讲：自编码器 (Auto-encoder) (上) – 基(,P53)
19:01
54.54. 第 8 讲：自编码器(Auto-encoder) (下) – 更多(,P54)
30:35
55.55. 第 8 讲（选修）：PCA(,P55)
01:40:21
56.56. 第 8 讲（选修）：t-SNE(,P56)
30:59
57.57. 第 9 讲：机器学习的可解释性 (Explainable ML) (,P57)
49:08
58.58. 第 9 讲：机器学习的可解释性 (Explainable ML)(,P58)
22:45
59.59. 第10讲：来自人类的恶意攻击(Adversarial Attack(,P59)
29:49
60.60. 第10讲：来自人类的恶意攻击(Adversarial Attack(,P60)
46:34
61.61. 第11讲：概述领域自适应 (Domain Adaptation)(,P61)
34:33
62.62. 第 12 讲：概述增强式学习(Reinforcement Lear(,P62)
45:02
63.63. 第 12 讲：概述增强式学习(Reinforcement Lear(,P63)
41:14
64.64. 第 12 讲：概述增强式学习(Reinforcement Lear(,P64)
34:41
65.65. 第 12 讲：概述增强式学习(Reinforcement Lear(,P65)
17:35
66.66. 第 12 讲：概述增强式学习(Reinforcement Lear(,P66)
27:08
67.67. 第 13 讲：神经网络压缩 (Network Compressio(,P67)
29:32
68.68. 第 13 讲：神经网络压缩 (Network Compressio(,P68)
56:46
69.69. 第 13 讲（选修）：Proximal Policy Optimi(,P69)
41:34
70.70. 第 13 讲（选修）： Q-learning (Basic Ide(,P70)
49:44
71.71. 第 13 讲（选修）：Q-learning (Advanced T(,P71)
38:31
72.73. 第 14 讲：机器终身学习 (Life Long Learning(,P72)
36:39
73. 75. 第 15 讲：元学习Meta Learning (二)
31:37
73.74. 第 15 讲：元学习Meta Learning (一)(,P73)
46:21
74. 76. 第 15 讲（选修）：Meta Learning – MAML (1_9)
07:41
75. 77. 第 15 讲（选修）：Meta Learning – MAML (2_9)
07:52
76. 78. 第 15 讲（选修）：Meta Learning – MAML (3_9)
10:21
77. 79. 第 15 讲（选修）：Meta Learning – MAML (4_9)
05:14
77. 80. 第 15 讲（选修）：Meta Learning – MAML (5_9)
13:22
78. 81. 第 15 讲（选修）：Meta Learning – MAML (6_9)
06:33
79. 82. 第 15 讲（选修）：Meta Learning – MAML (7_9)
08:54
80. 83. 第 15 讲（选修）：Meta Learning – MAML (8_9)
05:11
81. 84. 第 15 讲（选修）：Meta Learning – MAML (9_9)
06:53
82. 85. 第 15 讲（选修）：Meta Learning - Gradient Descent as LSTM (1_3)
11:40
83. 86. 第 15 讲（选修）：Meta Learning - Gradient Descent as LSTM (2_3)
10:05
84. 87. 第 15 讲（选修）：Meta Learning - Gradient Descent as LSTM (3_3)
10:39
85. 88. 第 15 讲（选修）：Meta Learning – Metric-based (1_3)
10:30
86. 89. 第 15 讲（选修）：Meta Learning – Metric-based (2_3)
05:15
87. 90. 第 15 讲（选修）：Meta Learning – Metric-based (3_3)
11:29
88. 91. 第 15 讲（选修）：Meta Learning - Train+Test as RNN
07:47
【李宏毅老师【生成式AI】大模型】【生成式AI】Chat1 GPT 原理剖析 (1_3) — 對 ChatG
19:59
2 【生成式AI】ChatGPT 原理剖析 (3_3) — ChatGPT
13:22
3 【生成式AI】用 ChatGPT 和 Midjourney 來玩文字冒
20:16
4 【生成式AI】快速了解機器學習基本原理 (1_2) (已經略懂機器學習
24:01
5 【生成式AI】快速了解機器學習基本原理 (2_2) (已經略懂機器學習
15:13
6 【生成式AI】生成式學習的兩種策略：要各個擊破，還是要一次到位
21:58
7 【生成式AI】能夠使用工具的AI：New Bing, WebGPT,
24:23
8 【生成式AI】Finetuning vs Prompting：對於大
22:15
9 【生成式AI】Finetuning vs Prompting：對於大
24:39
10 【生成式AI】Finetuning vs Prompting：對(
15:34
11 【生成式AI】大模型 + 大資料 = 神奇結果？(1_3)：大模型(
22:43
12 【生成式AI】大模型 + 大資料 = 神奇結果？(2_3)：到底要(
27:17
13 【生成式AI】大模型 + 大資料 = 神奇結果？(3_3)：另闢蹊(
13:28
14 【生成式AI】GPT-4 來了! GPT-4 這次有什麼神奇的能力(
16:15
15 【生成式AI】速覽圖像生成常見模型(
26:57
16 【生成式AI】淺談圖像生成模型 Diffusion Model 原(
13:54
17 【生成式AI】Stable Diffusion、DALL-E、Im(
19:48
18 【生成式AI】Diffusion Model 原理剖析 (1_4)(
13:56
19 【生成式AI】Diffusion Model 原理剖析 (2_4)(
27:08
20 【生成式AI】Diffusion Model 原理剖析 (3_4)(
25:00
21 【生成式AI】Diffusion Model 原理剖析 (4_4)(
17:48
22 【生成式AI】窮人如何低資源復刻自己的 ChatGPT(
22:49
24 【生成式AI】讓 AI 村民組成虛擬村莊會發生甚麼事？(
23:34

【2026】李宏毅机器学习深度学习系列课程全集，附：课程代码+ppt+学习资料！--人工智能/机器学习/深度学习
李宏毅-机器学习
1.3万 110

【2026版】李沐动手学深度学习系列课程！包含深度学习、机器学习算法、神经网络、计算机视觉物体检测、迁移学习、大模型微调等人工智能核心知识点！就怕你学不会！
深度学习项目实战
75.4万 1178

（李宏毅）2026优化版机器学习深度学习课程全集，公认最适合入门的课程！--机器学习/深度学习/李宏毅
李宏毅Agent课堂
2.9万 74

（2026新课程）李宏毅AI agent系列课程全集，一口气带你了解agent全流程！--深度学习/AI agent
李宏毅深度学习课堂
3.6万 110

【2027版Spring AI 2.0教程】完整32集，零基础入门+项目实战！Java程序员转行大模型最好的课程，一周从0开发Agent智能体，大模型应用微调！
深度学习项目实战
3748 3

强推！(2026优化版) 李宏毅最新课程：【 强化学习】54集全！人工智能/机器学习/深度学习/大模型/LLM/DQN/Actor-Critic 
李宏毅人工智能
2.4万 192

强推！(2026优化版) 李宏毅【深度学习】教程！43集全！内容涵盖CNN、RNN、GNN、transformer、GAN、注意力机制、自编码器等神经网络算法！
李宏毅人工智能
2.3万 73

强推！(2026最新版) 李宏毅最新课程：智能体AI【AI Agent】71集全！人工智能/机器学习/深度学习/大模型/LLM
跟着李老师学AI
6.2万 210

不愧是李宏毅！一小时讲透【Diffusion Model 】扩散模型！入门真的没你想的那么难…… （AI人工智能/深度学习/计算机视觉/CV/大模型）
零基础网络安全教学
6.7万 160

麻省理工【如何用AI做任何事】全11讲（中英双语）
牛牛复利
7.3万 27

【吴恩达】给所有人的AI入门课（超爽中英字幕！）入门进阶一站式搞定，零基础也能轻松学！存下吧！比刷剧爽！
吴恩达Agents
51万 1168

【麻省理工】如何用Ai做任何事 | Mit How To Ai (Almost) Anything, Spring 2026
AI课程研究院
5.2万 140

【2026年AI大模型】10小时学：Prompt、RAG、Agent、MCP、大模型微调从入门到项目实战（完整版）学会可做LLM项目
吴恩达langchain
28.7万 69

【全500集】B站最全最细的AI大模型零基础全套教程（包含Agent与RAG教程），7天从入门到精通大模型，学完即可就业！看完这一套AI教程就够了！
大模型官方课程
2.5万 141

【2026·超爽中英】吴恩达《Agent Skills with Anthropic》（附配套代码） -人工智能/机器学习/深度学习
半途不而废的程序猿
2.8万 124

【李宏毅】2026年公认最好的【LLM大模型】教程！AI大模型入门到进阶，一套全解决！生成式人工智慧—附带课件代码
李宏毅大模型
1.7万 68

【全748集】目前B站最全最细的AI Agent开发零基础教程，2026最新版，包含所有干货！七天就能从小白到大神！少走99%的弯路！学完即就业，带你玩转AI！
AI大模型码农
107.3万 2476

（2025版）李宏毅机器学习深度学习系列课程全集，公认体验感最好的入门课程！--人工智能/机器学习/深度学习
李宏毅深度学习课堂
109.3万 2766

（B站首推）2026李宏毅智能体【AI Agent】系列课程全集，公认体验感最好的入门课程！--人工智能/机器学习/深度学习/大模型/LLM
李宏毅agent
27.1万 337

【全589集】B站公认最好的AI Agent智能体开发教程，2026大模型Agent入门到实战！手把手教你打造自己的专属智能体，一次性搞懂AI大模型智能体搭建！
深度学习项目实战
699 21
展开
终末地「雪凇幽梦」现已开启
客服
顶部
赛事库 课堂 2021拜年纪