提供一些计算机视觉的应用案例吗？
能否介绍一些常用的AI模型？
学习课程来了： 访问 http://gk.link/a/12uvV
柳博文，ABB 高级研发工程师，前阿里前端算法工程师。 长期活跃于大前端领域，在机器学习（尤其是 CV 领域）、AI 算法以及 AI 的前端工程实践方面有着深入的理解和经验积累。在 GPT 受到广泛关注前，就已做过 AI 出码、UI 千人千面等前沿项目，对于 AI 技术在...查看更多
你将获得 探索 AI + 前端的开发新范式 深入解析视觉 AI 核心技术 实战演练，组件识别模型训练与部署 大厂案例，UI 千人千面技术解析 课程介绍 「极客时间 AIGC 未来教育系列课程」 前端的发展如火如荼，“AI + 前端”无疑会成为前端深水区之一。对于前端工程师，学习 AI 不仅是紧跟技术潮流的必然选择，更是加速个人成长、提升竞争力的有效途径。 然而想要进入 AI + 前端这一新兴领域，我们常常面对原理关和实践关的双重困扰。AI 的相关理论相当庞杂，这让很多同学迷失在庞杂的 AI 资料里，无所适从。而因为没有实践场景，也就无从知晓如何应用 AI，赋能日常的研发和业务，长此以往也会打击我们学习 AI 技术的积极性。 为此，我们邀请了长期深耕在 AI + 前端领域的柳博文老师，推出这门前端工程师的 AI 实战课，让你用最高效的方式建立对 AI 技术的清晰认识，给你带来技术和经验的双重收获。 技术方面带你掌握 AI+ 前端开发新范式，熟悉数据制作到模型训练、代码生成的全流程。实战项目方面，为你传授大厂前端领域和商业场景中的 AI 落地经验，为你的日常工作提效与未来职业发展打好基础。
课程设计
课程分为六个章节。
第一、二两章打通前端基础与原理关。
先快速回顾前端相关技术（React 和 NodeJS），组件化及组件可解释性等知识点。
之后站在前端工程师的视角，带你掌握必要的视觉 AI 技术基础，通过实践动手完成各种 AI 基础实例，并通过实验掌握数据整理、模型训练、验证和预测等重要技能。
第三章我们将实现一个 AI 布局助手，体验从 AI 模型的训练到自动出码的全过程。完成这个项目后，你将掌握数据集收集、增广、标签制作，模型训练与指标观察，组件识别及分析等技术。
第四章会完成另一个综合项目——基于 AI 的 Feeds 流端侧重排。这个项目能让我们更深刻地体验到 AI 如何作用于真实的业务场景，掌握热力图工具以及数据可视化分析，通过 AI 算法模型推荐实现人群精细化 UI 运营等新技能，为业务提效带来新思路。
第五章进行一些开源项目的本地搭建尝试，体验文本生成、图像生成以及视频生成的大模型。
第六章将会讨论一些技术话题，包括端侧模型下 JavaScript 性能提升以及 Sora 技术等等。
课程目录
访问 http://gk.link/a/12uvV itlife365.com分享《前端工程师的AI实战课》课程大纲
开篇词|AI+前端:开启未来发展的新篇章
第一章前端基础
01 工欲善其事:课程中用到的NodeJS与React
02 AI 如何读懂组件:组件的划分粒度及可解释性
第二章视觉 AI入门
03 Machine Vision:理解计算机视觉
04 数学应用:数学知识如何作用于AI模型
05 模型介绍:前端工程师可以玩的AI视觉模型
06 动手环境部署:AI视觉模型基础运行环境
07 第一个AI小实验:让你的电脑识别组件类型
08(选学)|数学知识串讲:前端工程师应该懂的AI数学知识
第三章组件识别助手:从组件识别到自动出码
09 数据集:如何为模型寻找制作数据集
10 标签制作:模型到底理解的是什么?
11 模型训练:如何教会模型学习?
12模型预测:让模型告诉我们组件的信息
13 自动出码:如何根据预测结果生成代码
14 延伸思考:AI技术如何贯穿产研全流程?
第四章 基于AI的端侧重排
15 何为端侧重排:UI的千人千面
16 数据模拟:产品级页面数据模拟及热力图生成
17数据分析:让数据说话,数据长尾效应及路径分析
18 商业意义(上):如何利用端侧重排提升转化率
19商业意义(下):如何利用端侧重排提升转化率
20精细化运营:数据的"横向"与"纵向"以及人群运营模对比
第五章搭建私人AIGC助手
21本地文本大模型:chatGLM-6B的本地部署与前端集成
22文本图像生成大模型:使用etable Difkusion生成电商
活动原型设计稿
23视频生成大模型:使用 MuseV实现商品视频解说
第六章技术热点
24端侧模型下JavaScript的性能局限如何解决?
25为什么Sora的出现标志着我们离元宇宙更近了一步?
结束语|保持前端人的自信,把握机遇!
答案集锦|课程思考题答案汇总
访问 http://gk.link/a/12uvV itlife365.com分享
Course Outline of "AI Practical Course for Front end Engineers"
Opening words | AI+front-end: opening a new chapter of future development
Chapter 1 Front end Fundamentals
01 Work hard: NodeJS and React used in the course
How AI can understand components: granularity and interpretability of component partitioning
Chapter 2 Introduction to Visual AI
03 Machine Vision: Understanding Computer Vision
04 Mathematical Applications: How Mathematical Knowledge Affects AI Models
05 Model Introduction: AI Visual Models that Front end Engineers Can Play with
06 Hands on Environment Deployment: Basic Operating Environment for AI Visual Models
07 First AI Experiment: Let Your Computer Recognize Component Types
08 (Selected Learning) | Mathematical Knowledge Series: AI Mathematical Knowledge that Front end Engineers Should Understand
Chapter 3 Component Recognition Assistant: From Component Recognition to Automatic Code Generation
09 Dataset: How to Find and Create a Dataset for Models
10 Label Making: What Does the Model Understand?
11 Model Training: How to Teach Model Learning?
12 Model Prediction: Let the Model Tell Us Information about Components
13 Automatic Code Generation: How to Generate Code Based on Prediction Results
Extended thinking: How can AI technology be integrated into the entire production and research process?
Chapter 4: AI based End Side Rearrangement
15. What is End Side Rearrangement: The Thousand People, Thousand Faces of UI
16 Data simulation: Product level page data simulation and heat map generation
17 Data Analysis: Let Data Speak, Data Long Tail Effect and Path Analysis
18 Business Significance (Part 1): How to Utilize End Side Rearrangements to Improve Conversion Rates
19 Business Significance (Part 2): How to Utilize End Side Rearrangement to Improve Conversion Rates
20 Refined Operations: Comparison of "Horizontal" and "Vertical" Data and Crowd Operation Models
Chapter 5: Building a Private AIGC Assistant
21 Local Text Large Model: Local Deployment and Front end Integration of chatGLM-6B
22 Text Image Generation Model: Using etable Diffusion to Generate E-commerce
Activity Prototype Design Draft
23 Video Generation Model: Using MuseV to Implement Product Video Commentary
Chapter 6: Technical Hotspots
How to solve the performance limitations of JavaScript under the 24 end model?
Why does the emergence of Sora signify that we are one step closer to the metaverse?
Conclusion | Maintain the confidence of front-end personnel and seize opportunities!
Answer Collection | Course Reflection Question Answer Summary
前端工程师的AI实战课用 AI 技术放大前端生产力itlife365点com.jpg
学员评论
这节课帮我把之前积累的一些AI开发知识贯穿起来了，之前学习LangChain.js，发现很多一些想法上还是有阻塞和缺陷，这个课程到这里，终于帮我把整个开发拼图和技术实现流程贯通了。Stable Diffusion 除了那个webUI作为应用操作，本身也是有API调用的吧？所以，开发上，可以直接从SD生成，到布局助手，到LangChain绑定，到视觉模型提供信息解决事件绑定，最终模型再优化评估界面和代码，完成全流程对把
学习课程来了： 访问 http://gk.link/a/12uvV itlife365.com分享
---END
