第1章AI 爆发的三要素 ABC点击放大 ⤢
第1章AI Coding 现状与编程工具点击放大 ⤢
第1章人工智能发展史与三叠浪点击放大 ⤢
第1章算力要素：GPU 硬件与成本点击放大 ⤢
第1章课程背景与教学体系点击放大 ⤢
第1章数据要素：规模演进与数据集点击放大 ⤢
第1章深度学习 1.0：CNN / RNN / GAN点击放大 ⤢
第1章生成模型与 AI 算法发展链路点击放大 ⤢
第1章机器学习与深度学习的概念体系点击放大 ⤢
第1章Python 实践入门与环境配置点击放大 ⤢
第1章深度学习 2.0：Transformer 与大模型点击放大 ⤢
第2章类与对象（面向对象：类/实例、self、继承、多态、魔法方法）点击放大 ⤢
第2章条件语句（if-elif-else、缩进、逻辑运算符）点击放大 ⤢
第2章复杂数据类型（列表、元组、字典、集合与解包）点击放大 ⤢
第2章函数（定义调用、参数、返回值、作用域与 global）点击放大 ⤢
第2章循环与列表推导式（for、while、break/continue、推导式）点击放大 ⤢
第2章Python 运行环境（解释器、虚拟环境、IDE、import、Jupyter）点击放大 ⤢
第2章变量与基本数据类型（变量引用、数值型、布尔、字符串、f-string）点击放大 ⤢
第3章激活函数点击放大 ⤢
第3章反向传播 BP点击放大 ⤢
第3章分类损失函数与交叉熵点击放大 ⤢
第3章网络结构与前向传播点击放大 ⤢
第3章梯度下降与学习率点击放大 ⤢
第3章线性回归基础点击放大 ⤢
第3章MNIST 实战与训练术语点击放大 ⤢
第3章损失函数 MSE 均方误差点击放大 ⤢
第3章神经网络历史演进点击放大 ⤢
第3章分类输出 One-Hot 与 Softmax点击放大 ⤢
第4章激活函数 ReLU 与 Sigmoid（CBA 之 A）点击放大 ⤢
第4章批归一化 BatchNorm（CBA 之 B）点击放大 ⤢
第4章CNN 整体结构与端到端流程点击放大 ⤢
第4章卷积操作：卷积核、通道、步幅、填充与输出尺寸点击放大 ⤢
第4章卷积为何有效：分层抽象与人脑视觉点击放大 ⤢
第4章参数量计算：LeNet 与 VGG16点击放大 ⤢
第4章池化 Pooling：下采样与降维点击放大 ⤢
第4章ResNet 残差网络与残差块点击放大 ⤢
第4章Softmax、one-hot 标签与损失函数点击放大 ⤢
第4章训练框架：前向传播、梯度下降与反向传播点击放大 ⤢
第4章迁移学习与微调 fine-tuning点击放大 ⤢
第4章VibeCoding 实践：CNN对比MLP与ResNet18微调点击放大 ⤢
第4章为什么需要卷积：全连接读图的三大困境点击放大 ⤢
第5章边界框定位与损失函数点击放大 ⤢
第5章YOLO 数据集格式与标注点击放大 ⤢
第5章检测评价指标 mAP/Precision/Recall/F1点击放大 ⤢
第5章环境搭建与 YOLO 推理实践点击放大 ⤢
第5章IoU 交并比点击放大 ⤢
第5章MediaPipe 手势交互点击放大 ⤢
第5章NMS 非极大值抑制点击放大 ⤢
第5章目标检测任务与应用点击放大 ⤢
第5章两阶段与一阶段检测模型点击放大 ⤢
第5章YOLO 发展历程与原理点击放大 ⤢
第5章YOLOv1 网络结构点击放大 ⤢
第6章注意力机制：QKV 与缩放点积注意力点击放大 ⤢
第6章Gradio 框架基础：数据流与三层世界观点击放大 ⤢
第6章Gradio 三种界面布局：Interface、ChatInterface、Blocks点击放大 ⤢
第6章层归一化 LayerNorm 与前馈全连接层 FFN点击放大 ⤢
第6章大模型 API 调用：致远一号、Temperature 与 Top_p点击放大 ⤢
第6章大语言模型导论：定义与逐 token 预测本质点击放大 ⤢
第6章输出层与解码策略：温度、Top-k、Top-p点击放大 ⤢
第6章位置编码：给词语注入顺序信息点击放大 ⤢
第6章分词与词嵌入：从文本到稠密向量点击放大 ⤢
第6章训练三阶段、缩放法则与能力边界点击放大 ⤢
第6章Transformer 架构总览与 Decoder-only 五步流水线点击放大 ⤢