这门课程围绕Python在智能化运维与人工智能应用中的实战能力展开,面向有一定编程基础、希望深入掌握现代AI工程实践的开发者和运维人员。
课程共四章。第一章介绍课程目标、学习路径及技术栈组成,帮助建立系统化的认知框架。第二章解析大模型的私有化部署实战,覆盖基础环境配置、模型加载与调用流程,对应企业级AI落地的关键环节。第三章讲Python在Linux系统资源预测中的应用,结合机器学习模型对CPU、内存等关键指标做智能分析与趋势预警,是智能化运维的基础部分。第四章以图像分类为切入点,梳理主流深度学习框架的开发流程,从数据预处理到模型训练与评估,完整还原项目实战过程。
学完后可以掌握Python驱动下的智能体构建、自动化运维与AI模型实战应用能力,为后续深入AI工程或云原生智能平台打基础。
Python开发AI智能体:实现智能运维 (图1)
资源目录:
1 1-韩老师个人介绍-知己知彼-带你认识老师.mp4
2 课程资料下载方式.mp4
3 大模型落地新利器:Ollama + DeepSeek-R1.mp4
4 搭建你的本地大模型环境:Ollama 安装.mp4
5 Linux下部署DeepSeek-R1(671B参数).mp4
6 psutil+paramiko模块介绍.mp4
7 机器学习scikit-learn模块介绍.mp4
8 数据分析numpy模块介绍.mp4
9 matplotlib模块介绍.mp4
10 线性回归模型预测cpu使用率.mp4
11 预测结果准确性优化.mp4
12 DeekSeek-r1预测内存使用率.mp4
13 深度学习基本介绍.mp4
14 python开发图片分类器.mp4
15 基于前端页面上传图片预测结果.mp4
|