Humai

人工智能：数据科学与机器学习

课程

Python入门

标题	课堂	练习	视频
数据类型			视频
列表与函数			视频
模块			视频
面向对象编程简介			视频
面向对象编程实验		-	视频
面向对象编程吃豆人游戏		-	-

数据分析

标题	课堂	练习	视频
索引			视频
数据透视表与连接			视频
分组与聚合			视频
高级数据清洗			视频
可视化			视频

自动化与网页抓取

标题	课程	练习	视频
自动化 I			视频
正则表达式			视频
初级：HTTP			视频
高级 HTTP			视频 1 视频 2
Xpath			视频
Selenium			视频
自动化 II		<-	Google Sheets Cron Google Data Studio 发送邮件

APIs

标题	课程	练习	视频
地理 API			-
时间序列 API			-

数据库与 SQL

标题	课程	练习	视频
数据库入门			视频
SQL 入门			视频

数据科学与机器学习中的数学

标题	课堂笔记	练习题	视频
向量			视频
矩阵			视频
因子分解			视频
函数		-	视频
优化			视频
概率			视频
统计学			视频
统计学习		-	-

机器学习

标题	课程	练习	视频
人工智能伦理		-	视频
机器学习导论 + 简单线性回归			视频
多元线性回归			视频
正则化		-	视频
分类			视频
K近邻与决策树		-	视频
集成方法			视频
XGBoost		-	视频
SHAP值与异常检测			视频
时间序列			视频
推荐系统		-	视频1 视频2

深度学习

标题	课程	练习	视频
简介			视频1 视频2
单层神经网络			视频1 视频2
多层神经网络			视频1 视频2
PyTorch进阶			视频1 视频2
模型评估			视频1 视频2 视频3
优化器			视频

NLP - 自然语言处理

标题	课程	练习	视频
简介			视频
循环神经网络			视频1 视频2
嵌入			视频1 视频2 视频3
Seq2Seq			视频
注意力机制			视频
Transformer模型			视频1 视频2
BERT			视频

Humai

课程视频请访问：YouTube频道

更多信息请访问：humai.com.ar ⭐

我们是一家独立的非营利组织，致力于在阿根廷和拉丁美洲推动人工智能与数据科学的发展。我们的目标是通过提供专业且易于获取的教育，促进技术的普及与民主化。我们希望通过教育、研究以及协作工作，将新技术应用于社会环境与进步之中。

如果您喜欢我们的学习或教学资料，或者认同我们的使命，我们非常感谢您在我们的网站上给予的支持，也可以请我们喝杯咖啡 ☕ 。我们也欢迎教师或开发者与我们合作，如有兴趣，请发送邮件至 admin@humai.com.ar！无论您是学生、教师，还是对人工智能和数据科学感兴趣的人士，都诚挚邀请您加入我们的Discord社区。

同时，也欢迎您加入我们的Discord，或在社交媒体上关注我们（位于humai.com.ar页面侧边）。期待您的任何反馈！😊

希望对您有所帮助！非常感谢您与我们的社区一起学习，
Humai团队，

cursos-python 快速上手指南

cursos-python 是由 Humai 研究所开源的 Python 学习资源库，涵盖数据科学、机器学习、自动化及 Web 抓取等核心领域。所有课程均基于 Jupyter Notebook 格式，并原生支持 Google Colab，无需本地配置即可直接运行。

环境准备

本项目主要依赖 Google Colab 云端环境，推荐优先使用此方式以获得最佳体验（免安装、预装常用数据科学库）。

方案一：Google Colab（推荐）

• 系统要求：现代浏览器（Chrome/Edge/Firefox）、Google 账号。
• 网络提示：由于 Google 服务在中国大陆访问受限，请确保您的网络环境支持访问 colab.research.google.com 和 github.com。
• 前置依赖：无（云端已预装 Python, Pandas, NumPy, Scikit-learn, Selenium 等）。

方案二：本地运行

若需在本地开发，请确保满足以下条件：

• 操作系统：Windows / macOS / Linux
• Python 版本：Python 3.8+
• 必备工具：Jupyter Lab 或 Jupyter Notebook
• 核心依赖库：

  pip install pandas numpy matplotlib seaborn scikit-learn requests beautifulsoup4 selenium sqlalchemy jupyter
  

安装步骤

方式 A：直接在浏览器中运行（零安装）

无需执行任何安装命令。点击课程表中对应的 "Open In Colab" 徽章，代码将在云端自动加载并运行。

方式 B：本地克隆与配置

如果您希望下载课程资料到本地学习，请执行以下命令：

1. 克隆仓库

   git clone https://github.com/institutohumai/cursos-python.git
   cd cursos-python
   

2. 创建虚拟环境（可选但推荐）

   python -m venv venv
   # Windows
   venv\Scripts\activate
   # macOS/Linux
   source venv/bin/activate
   

3. 安装依赖 如果项目根目录包含 requirements.txt，请运行：

   pip install -r requirements.txt
   

   若无该文件，请安装通用数据科学栈：

   pip install pandas numpy matplotlib seaborn scikit-learn requests beautifulsoup4 selenium sqlalchemy
   

   国内加速提示：建议使用清华或阿里镜像源加速安装：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas numpy matplotlib seaborn scikit-learn requests beautifulsoup4 selenium sqlalchemy
   

4. 启动 Jupyter

   jupyter notebook
   

   在浏览器中导航至对应的 .ipynb 文件（如 Introduccion/1_TiposDatos/tipos-datos.ipynb）即可开始学习。

基本使用

本仓库按模块组织，每个模块包含“课程笔记（Clase）”、“练习题（Ejercicios）”和“视频讲解（Video）”。

示例：运行第一个 Python 基础课程

1. 选择课程：找到 "Intro a Python" 章节下的 "Tipos de Datos"（数据类型）。
2. 打开文件：
   • 云端：点击 Open In Colab 链接。
   • 本地：在 Jupyter 界面打开 Introduccion/1_TiposDatos/tipos-datos.ipynb。
3. 执行代码： 在 Notebook 单元格中，你会看到类似以下的教学代码：

   # 示例：变量与数据类型
   nombre = "Humai"
   edad = 25
   es_estudiante = True
   
   print(f"Nombre: {nombre}, Tipo: {type(nombre)}")
   print(f"Edad: {edad}, Tipo: {type(edad)}")
   

   选中单元格并按下 Shift + Enter 运行，查看输出结果。
4. 完成练习： 运行完教程后，打开同目录下的 ejercicio/ejercicios.ipynb 文件，尝试解决其中留下的编程填空题以巩固知识。

学习路径建议

1. 基础入门：从 Intro a Python 开始，掌握数据类型、列表、函数及面向对象编程（POO）。
2. 数据分析：进入 Análisis de datos 模块，学习 Pandas 的 Indexing、Pivot Table、分组聚合及可视化。
3. 进阶应用：根据需求选择 Automatización y Web Scraping（自动化与爬虫）、APIs 或 Bases de datos y SQL 模块进行深入实践。