📗11.py-OpenCV 实用图像处理：从几何变换到滤波降噪入门指南Python学习本文通过六个核心案例，系统讲解了使用 Python 和 OpenCV 进行图像处理的基础技术，涵盖几何变换、颜色操作与滤波降噪。每个案例都附有完整代码和详细解析，旨在帮助初学者快速掌握图像处理的实用技巧2025-7-24 Python Opencv 每日一题
📗12.py-OpenCV核心教程：从边缘检测、轮廓分析到直方图Python学习本文是系统地介绍了从基础的图像梯度（Sobel、Laplacian）、Canny 边缘检测，到核心的轮廓查找、特征分析（凸包、多种外接图形），最后延伸至图像的统计学特征（直方图），通过丰富的代码实例和清晰的原理解释，为初学者铺设了一条从像素级处理到高级图像理解的完整学习路径。2025-7-25 Python Opencv
📗Python-Scikit-learn 机器学习完全指南：从理论基础到算法实践Python学习本文详细介绍了机器学习的定义与发展历程（包括监督、无监督、半监督与强化学习）、所需数学与编程基础及项目开发流程，scikit-learn 库的安装方法、模块组成（分类、回归、聚类、降维、模型选择与预处理）及统一 Estimator API 设计；展示了使用内置玩具与现实世界数据集、本地 CSV 加载与训练/测试集划分，以及 DictVectorizer、CountVectorizer、TfidfVectorizer、MinMaxScaler、normalize、StandardScaler、VarianceThreshold 和 PCA 等特征工程技术的实战用法；并依次讲解了 KNN、朴素贝叶斯、决策树、随机森林、线性回归（最小二乘、梯度下降、SGD、Mini-batch）、Lasso、Ridge 与逻辑回归等算法的原理、优缺点、sklearn API 调用及示例，同时涵盖模型评估（score、交叉验证）与超参数调优（GridSearchCV）全流程2025-8-5 Python 基础知识 机器学习
📗Python-深度学习-torch框架学习Python学习本文从人工智能由数学、算力和算法构成的本质讲起，阐释了PyTorch凭借其灵活的动态计算图、强大的自动微分机制（Autograd）和易用性成为主流深度学习框架的原因。文章详细介绍了其核心数据结构——张量（Tensor）的创建、关键操作（如矩阵运算、形状调整及广播机制），并重点解释了自动微分如何通过计算图和反向传播来驱动模型训练。最后，通过一个完整的线性回归案例，文章将所有理论知识融会贯通，演示了从定义模型、计算损失到更新参数的全过程2025-8-6 Python 深度学习
📗Python-深度学习-全连接神经网络1Python学习本文系统梳理了全连接神经网络（FCNN）：先说明 AI→ML→DL 的层级与区别，并按时间线回顾从感知机、BP 到 AlexNet、Transformer 与大模型的发展；强调激活函数带来的非线性能力；随后从生物神经元出发讲清人工神经元的组成与数学表达、网络层次与全连接计算；给出 PyTorch 中 nn.Linear/nn.Sequential 与常见激活函数的用法；最后总结数据准备流程、PyTorch 的 Dataset/DataLoader 以及常见预处理与图像增强。适合零基础做概念与实践前的快速梳理。2025-8-7 深度学习 Python 基础知识
📗Python-深度学习-全连接神经网络2Python学习本文全面梳理了构建全连接神经网络（FCNN）的核心技术，系统讲解了激活函数、参数初始化、损失函数、反向传播优化器及正则化等关键概念，并通过代码案例和项目实战，帮助初学者掌握从理论到实践的全过程。2025-8-13 深度学习 Python 基础知识
📗Python-Transformer全面解析Python学习本文从 Tokenizer 基础（如 BPE、WordPiece）讲起，系统梳理了 Transformer 模型的核心架构，重点剖析了自注意力与多头注意力机制的原理、计算过程及 PyTorch 代码实现，并涵盖了层归一化、位置编码与掩码等关键技术2025-9-8 Python Transformer
