• 投稿

【B站最全】清华大佬144集讲完的人工智能教程！从小白到学神！2025清华内部版人工智能入门基础，深度学习、机器学习、神经网络、OpenCV一口气学完！

26.2万
180
2025-09-02 11:19:22
未经作者授权，禁止转载
2970
1157
1.4万
1196
全奖海归博士，课程囊括机器学习与深度学习，监督与无监督学习，综合多项技术的混合算法，为你学习AI打下扎实基础。
神经网络
清华公开课
机器学习
深度学习
OpenCV
强化学习
AI入门
人工智能教程
人工智能入门
人工智能基础
人工智能基础 发消息
一个计算机视觉领域的菜β，一个项目干几个月的那种
视频选集
（1/150）
【2025内部版】1 人工智能简介与环境、工具包介绍
31:13
【2025内部版】2 机器学习介绍
17:20
【2025内部版】3 线性回归
25:48
【2025内部版】4 线性回归实战准备
13:12
【2025内部版】5 分类问题介绍
16:36
【2025内部版】6 逻辑回归
14:55
【2025内部版】7 逻辑回归
14:31
【2025内部版】8 实战准备
13:32
【2025内部版】9 考试通过实战
19:50
【2025内部版】10 考试通过实战
16:03
【2025内部版】11 芯片检测实战
16:31
【2025内部版】12 无监督学习
18:38
【2025内部版】13 Kmeans-KNN-Meanshift
19:02
【2025内部版】14 实战准备
09:20
【2025内部版】15 Kmeans实战
12:35
【2025内部版】16 Kmeans实战2
11:32
【2025内部版】17 KNN-Meanshift
16:52
【2025内部版】18 决策树
13:23
【2025内部版】19 决策树2
14:49
【2025内部版】20 异常检测
15:37
【2025内部版】21 主成分分析
17:19
【2025内部版】22 实战准备
03:44
【2025内部版】23实战1
17:07
【2025内部版】24 实战2
14:50
【2025内部版】25 实战3
23:33
【2025内部版】26 过拟合与欠拟合
18:38
【2025内部版】27 数据分离与混淆矩阵
21:38
【2025内部版】28 模型优化
21:10
【2025内部版】29 实战准备
13:44
【2025内部版】30 实战一
24:54
【2025内部版】31实战二
15:06
【2025内部版】32 实战三
24:21
【2025内部版】33 多层感知器(MLP)
18:19
【2025内部版】34 MLP实现非线性分类
19:46
【2025内部版】35 实战准备
18:58
【2025内部版】36 实战一
23:25
【2025内部版】37 实战二
03:08
【2025内部版】38 卷积神经网络一
30:04
【2025内部版】39 卷积神经网络二
26:17
【2025内部版】40 实战准备
15:19
【2025内部版】41 实战一
24:18
【2025内部版】42 实战二
26:21
【2025内部版】43 序列数据案例
11:42
【2025内部版】44 循环神经网络RNN
16:07
【2025内部版】45 不同类型的RNN模型
17:37
【2025内部版】46 实战准备
15:26
【2025内部版】47 实战（一）RNN股价预测
20:50
【2025内部版】48（二）RNN股价预测
12:41
【2025内部版】49 实战（一）LSTM实现文本生成
22:09
【2025内部版】50 实战（二）LSTM实现文本生成
09:01
【2025内部版】51 迁移学习
13:00
【2025内部版】52 迁移学习2
08:49
【2025内部版】53 在线学习
07:42
【2025内部版】54 混合模型1
15:10
【2025内部版】55 混合模型2
13:26
【2025内部版】56 实战准备
14:37
【2025内部版】57 实战准备2
14:06
【2025内部版】58 基于新数据的迁移学习实战
04:01
【2025内部版】59 机器深度学习实现少样本苹果分类（一）
25:11
【2025内部版】60 机器深度学习实现少样本苹果分类（二）
16:24
【2025内部版】61 机器深度学习实现少样本苹果分类（三）
17:11
【2025内部版】62 机器深度学习实现少样本苹果分类（四）
13:24
【2025内部版】63 课程总结1
19:53
【2025内部版】64 课程总结2
15:42
【2025内部版】65 课程总结3
23:17
69.01 机器视觉介绍 P69)
08:49
70.02 OpenCV介绍 P70)
07:52
71.03 安装opencv环境 P71)
20:55
72.04 创建和显示窗口 P72)
37:43
73.05 显示图像 P73)
17:07
74.01 保存图片 P74)
08:11
75.02 读取摄像头和视频数据 P75)
19:43
76.03 录制视频 P76)
16:03
77.04 控制鼠标 P77)
14:58
78.05 trackbar用法 P78)
13:59
79.06 RGB和BGR颜色空间 P79)
05:12
80.01 HSV和HSL和YUV P80)
34:39
81.02 颜色空间的转化 P81)
20:43
82.03 mat的深浅拷贝 P82)
23:05
83.04 颜色通道的分离与合并 P83)
07:57
84.05 画直线 P84)
09:19
85.01 绘制矩形和圆 P85)
08:10
86.02 绘制椭圆 P86)
11:54
87.03 绘制多边形和填充多边形 P87)
12:35
88.04 绘制文本及中文文本 P88)
14:22
89.05 作业讲解 P89)
13:36
90.01 图像运算之加减乘除 P90)
24:17
91.02 图片的融合 P91)
09:33
92.03 OpenCV的位运算 P92)
24:55
93.04 resize用法 P93)
22:16
94.01 作业讲解 P94)
20:54
95.02 图像的翻转和旋转 P95)
12:50
96.03 仿射变换之平移 P96)
17:18
97.04 仿射变换之获取变换矩阵 P97)
13:48
98.05 仿射变换之透视变换 P98)
16:43
99.01 卷积操作 P99)
38:57
100.02 均值滤波和方盒滤波 P100)
10:38
101.03 高斯滤波 P101)
39:20
102.01 中值滤波 P102)
13:52
103.02 双边滤波 P103)
19:05
104.03 sobel算子 P104)
40:13
105.04 scharr算子 P105)
06:27
106.05 拉普拉斯算子 P106)
15:06
107.01 Canny边缘检测 P107)
28:00
108.02 全局二值化 P108)
19:08
109.03 自适应阈值二值化 P109)
19:38
110.04 腐蚀操作 P110)
09:52
111.05 获取形态学卷积核 P111)
07:37
112.06 膨胀操作 P112)
06:25
113.01 开运算 P113)
12:22
114.02 闭运算 P114)
05:08
115.03 形态学梯度 P115)
04:47
116.04 顶帽操作 P116)
03:51
117.05 黑帽操作 P117)
02:41
118.06 查找轮廓 P118)
30:01
119.07 绘制轮廓 P119)
06:26
120.08 计算轮廓面积和周长 P120)
06:55
121.09 多边形逼近 P121)
18:34
122.01 凸包 P122)
10:33
123.02 最小外接矩形和最大外接矩形 P123)
18:22
124.03 高斯金字塔 P124)
22:07
125.04 拉普拉斯金字塔 P125)
06:58
126.05 图像直方图介绍 P126)
13:26
127.06 使用OpenCV统计直方图 P127)
07:13
128.07 拉普拉斯金字塔 P128)
06:58
129.07 直方图均衡化 P129)
17:19
130.08 图像直方图介绍 P130)
13:26
131.09 使用OpenCV统计直方图 P131)
07:13
132.01 绘制直方图 P132)
11:32
133.02 使用掩膜的直方图 P133)
12:35
134.03 车辆统计项目(一) P134)
38:18
135.01 判断是否是车辆 P135)
22:03
136.02 车辆计数逻辑 P136)
18:25
137.03 显示车辆计数信息 P137)
10:16
138.01 特征检测基本概念 P138)
19:03
139.02 harris角点检测数学原理1 P139)
18:55
140.03 harris角点检测数学原理2 P140)
30:27
141.04 harris角点检测应用 P141)
19:16
142.02 sift算法原理 P142)
01:00:57
143.03 sift算法使用 P143)
14:12
144.01 SURF算法 P144)
25:22
145.02 ORB算法 P145)
16:23
146.03 暴力特征匹配 P146)
34:02
147.04 FLANN特征匹配 P147)
16:08
148.01 图片查找 P148)
48:22
149.02 图像拼接 P149)
56:16
150.01 虚拟计算器项目介绍 P150)
05:10
151.02 打开摄像头和创建Button类 P151)
29:12
152.03 点击操作 P152)
51:44
153.01 虚拟计算器bug修复和重复点击问题解决 P153)
24:32

【吴恩达】全198集（完整版）耗时一个月整理的Agent智能体课程，从入门到进阶，详细讲解，通俗易懂，适合所有零基础小白学习，学完即可就业！！！
吴恩达Agentic
14.3万 514

强推！这可能是B站最全的（Python＋机器学习＋深度学习）系列课程了，堪称人工智能系列课程的巅峰之作！-人工智能/深度学习/机器学习
吴恩达深度学习
104.4万 2039

吹爆！这绝对是B站最好的人工智能入门天花板教程，整整400集，清华大佬强力打造，从入门到进阶，全程干货讲解，零基础也能轻松学会！-人工智能丨机器学习丨神经网络
人工智能-Pytorch
12.5万 359

【2026最新版】斯坦福李飞飞终于把人工智能给讲明白了！一口把机器学习、深度学习、计算机视觉、神经网络、图像处理、物体识别全给讲透了！（附课件资料+开源代码）
AI界扛霸子
15.4万 142

【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
120万 2719

【Python教程】《零基础入门学习Python》最新版（完结撒花🎉）
鱼C-小甲鱼
1376.3万 14.4万

【WorkBuddy保姆级教程】入门Agent或是工作提效，听完秒变大神！43节付费课内容全公开，完整工作流+实战技巧全揭秘，零基础一小时从入门到精通！（附资料
WorkBuddy课堂
619.8万 2.2万

【全122集】已经替大家付费完，花6880买的Agent全套教学视频， 逼自己七天学完，让你的大模型开发超越所有人！从零基础小白到Agent大神看这套就够了！
吴恩达Agentic
4万 151

【全748集】字节大佬终于把Python做成了动画片，2024最新版，教学通俗易懂，学完即可就业！拿走不谢，学不会我退出IT圈！
Python零基础官方教程
15.8万 530

这也太全了！回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法、支持向量机等十大机器学习算法一口气学完！
迪哥AI课堂
145万 4974

强推！这可能是B站最全的（Python＋机器学习＋深度学习）系列课程了，不愧是上海交大和腾讯联合出品！快速入门巨简单，还学不会来锤爆我！人工智能_神经网络_AI
AlfredTaylorHD
1049.8万 620

【全60集】吊打付费！目前B站最全最细的Agent智能体开发全套教程！手把手教你打造专属智能体，七天就能从小白到大神！带你从零基础入门到精通实现商业变现！
AI-Agent开发
22.1万 427

【全568集】清华大佬终于把 机器学习教程做成动画片了，教学通俗易懂，2025最新版，学完即可就业！拿走不谢，别再走弯路了，学不会我退出IT界！！！
AI产品经理入门到精通
19.3万 376

【全36集】吊打付费！“即梦+豆包+剪映”快速掌握AI视频制作技巧，手把手教你从0到1制作AI短片！AI视频生成零基础入门保姆级教程 教你玩转AI影视赛道！
AIGC视频制作教学
84.7万 940

【全300集】B站最强AI大佬李飞飞，一口把人工智能、深度学习、计算机视觉、神经网络、图像处理、图像分割、目标检测、物体识别给讲透了，新手小白秒上手！
AI算法工程师Rocky
18.9万 209

【AI 教程】拜托三连了！这绝对是你能找到的最良心AI教程 『只用90分钟』 AI基础系统教程/海报设计/排版/详细步骤/软件排版学习/
GenJi是真想教会你
536.9万 1.8万

膜拜！中科院大佬张平竟把微积分讲的如此简单！（完整版）草履虫都能听懂！这么好的课程还没人看？我不更了！！！
Python小能
9万 213

(新版中英!) B站公认最好的【吴恩达机器学习】教程！附课件代码 Machine Learning Specialization
吴恩达机器学习
103.6万 2575

【Transformer】最强动画讲解！目前B站最全最详细的Transformer教程，2025最新版！从理论到实战，通俗易懂解释原理，草履虫都学的会！
科研大佬发论文
64.1万 1410

【全568集】清华大佬终于把AI大模型教程做成动画片了，教学通俗易懂，2025最新版，学完即可就业！拿走不谢，别再走弯路了，学不会我退出IT界
大模型开发
6.3万 149
展开
RE0Bonly创作挑战限时开启
客服
顶部
赛事库 课堂 2021拜年纪