arron_12的博客

原创 Python自动化办公2.0全能实战：从Excel到BI大屏，从OCR到机器学习，一站式提升办公效率100倍

📌 Python自动化办公2.0全能实战课程 🔹 核心内容： Excel高效处理：Pandas一键合并/拆分表格，自动化统计与可视化 智能分析：结合机器学习预测数据趋势，提升报表价值 BI大屏开发：Streamlit快速搭建交互式数据看板 OCR应用：批量识别身份证、发票信息，自动归档 自动化办公：桌面/浏览器自动化操作，文件管理、邮件群发等 🔹 课程亮点： ✔ 全流程实战案例（股票分析、OCR票据处理等） ✔ 覆盖从数据清洗到AI建模的完整技能链 ✔ 大幅提升重复性工作效率，告别加班 📢 适合人群

原创 Python读Excel数据自动化填入日常办公的网页表单

前言本篇内容，让你完全掌握Python是如何自动化办公的~一、环境准备1.1 Python 3.7.01.2 Pycharm （Python 开发工具）1.3 Selenium （处理网页表单工具类）1.4 openpyxl （处理Excel工具类）selenium 安装：pip install selenium -i https://pypi.douban.com/simple/openpyxlpy安装：pip install openpyxl ...

原创 零基础到高手：Python+AI办公自动化全攻略，企业员工必学！

摘要：Python自动化办公2.0通过结合Python编程与AI技术，有效解决企业数字化转型中的效率与管理挑战。其核心特点包括自动化流程处理、AI集成、易用性扩展、数据驱动决策及安全保障，已在报表生成、文档分类等场景中验证效果，显著提升工作效率与准确性。未来将向智能化、低代码化方向发展，助力企业优化运营并提升员工竞争力。（149字）

原创 [特殊字符]普通人也能做 AI：一次被 DeepSeek 震住的学习体验（超详细、零基础也能看懂）

AI 不是“把学习变简单”——而是“让你第一次真正理解那些难的东西”。你不需要会 Python，不需要会数学，不需要任何基础——你只需要愿意问问题，AI 就能把你带到从没想过的地方。未来的学习方式可能会是：👉不靠补课，而是靠 AI👉不靠天赋，而是靠对话👉不是被动听讲，而是主动探索👉不是学知识，而是学“如何和 AI 一起搞懂世界”如果你也对“AI 时代的学习”好奇，不妨试试这个方向——真的会改变你对“学习”这件事的看法。

原创 企业级豆瓣影评情感分析全流程：MacBERT + 多 GPU + 断点续训 + Streamlit 可视化训练平台（附完整代码）

本文介绍了一个企业级豆瓣影评情感分析系统的完整实现方案，提供从数据处理到模型训练的可落地解决方案。系统采用MacBERT模型（中文效果优于BERT），支持多GPU并行训练、自动调整batch_size避免OOM、断点续训功能，并通过Streamlit构建可视化训练控制台。项目采用模块化设计，包含数据预处理、模型封装、训练逻辑和UI界面等组件，确保企业环境下的可维护性。方案特别针对企业常见痛点，如GPU资源管理、训练中断恢复和业务人员操作门槛等问题提供了工程化解决方案。文章最后推荐了相关课程，提供完整源码和系

原创 Python + AI 超实用教程：手把手带你做一个“模型训练与预测”可视化操作台

如果你想真正掌握“从底层到产品化”的 AI 开发能力，强烈建议现在入手。还支持日志持久化、本地模型文件打包、GPU/CPU 自适应。这节课教你的 UI 训练室能力，就是你未来最核心的竞争力。意味着你不再需要记命令、不再切代码、不再打开一堆脚本。一键绑定：训练 → 日志 → 模型保存 → 预测流程。右侧预测面板：输入一句话→立即输出模型推理结果。最终实现：真正能“交互使用”的 AI 小工人。如何让普通用户也能训练属于自己的小工人模型。中间训练终端：实时展示训练损失、进度条。或者准备踏入 AIGC 产品岗。

原创 人人都能造 AI：从零手把手教你复刻 DeepSeek

《人人都能造 AI》课程为初学者提供从零构建AI模型的完整路径：通过形象类比讲解深度学习原理，手把手指导复刻DeepSeek核心架构（Transformer、自注意力机制等），实现"训练-评估-部署"项目闭环。课程特色包括提供完整源码模板、直观可视化教学以及真实案例参考，帮助零基础学员快速建立AI思维，掌握模型训练与部署能力。适合对AI感兴趣、希望实操落地的学习者，最终可独立完成可展示的AI项目。

原创 人人都能造AI：实战应用与未来前景

学AI不难，难的是学会用自己的方式去理解世界。“人人都能造AI”不是一句口号，而是一种信念。从复刻DeepSeek开始，你将学会的不只是算法和代码，更是构建未来的能力。🌍 欢迎加入创造者的行列。从今天开始，让你的AI自己动起来。

原创 人人都能造AI：学员收益与成长故事

《人人都能造AI》课程突破传统AI学习障碍，将复杂理论转化为可视化认知与实操项目。通过"小工人模型"类比教学，让学员掌握Transformer等模型的核心结构，并提供完整项目模板实现从开发到部署的全流程实践。课程已帮助设计师、学生、运营等零基础学员成功构建个性化AI应用，证明AI开发并非技术专家专属。这种"从理解到创造"的学习模式，使学员获得可落地的开发能力、体系化认知和创新思维，为未来AI人才竞争奠定基础。课程本质上是一次认知升级，让普通学习者掌握创造AI的语言。

原创 人人都能造AI：课程亮点与学习价值

《人人都能造AI》课程降低AI学习门槛，让零基础者通过可视化方式理解神经网络、Transformer等原理。采用"小工人模型"等通俗比喻，结合Streamlit实战，学员可独立搭建AI应用并获取可运行源码。内测学员已实现从零构建Transformer模型、开发问答系统等成果。课程突出"学以致用"理念，帮助学习者从理解原理到动手创造，适应AI教育从工具使用转向底层创新的趋势，证明普通人也能参与AI开发。

原创 理解 Attention 机制的工作原理：让模型学会“关注重点”

本文深入解析AI中的注意力机制（Attention）技术，揭示其在Transformer模型中的核心作用。通过生动类比和可视化实验，展现注意力如何模拟人类"抓重点"的思维方式，实现信息筛选与权重分配。课程内容涵盖：1）Query-Key-Value核心原理；2）多头注意力机制；3）自注意力与上下文理解。学员将通过实践掌握注意力矩阵可视化方法，理解模型决策逻辑，为后续微调和多模态研究奠定基础。掌握注意力机制不仅是理解大模型的关键，更是打开AI"思考方式"的钥匙。

原创 从零手把手复刻 DeepSeek：从原理到可运行模型

《人人都能造AI》课程旨在帮助零基础学员掌握AI模型开发能力，从底层Transformer架构入手，通过可视化讲解和手把手实践，带领学员理解Attention机制、模型训练等核心概念。课程包含Mini-DeepSeek模型复刻、Prompt平台搭建等实操项目，最终使学员具备独立开发小型AI应用的能力，并为学习多模态AI等进阶内容打下基础。该课程突破传统理论教学，让学员真正实现从"使用AI"到"创造AI"的跨越。

原创 人人都能造AI：从零手把手教你复刻DeepSeek

原创 颠覆传统接口测试！用 Streamlit + SQLite + GPT 打造可视化自动化平台

摘要： 推荐B站「Python自动化办公2.0」课程，教你搭建零代码接口测试平台。该平台基于Streamlit+SQLite，支持可视化用例管理、变量提取、全局替换、执行报告及GPT智能分析，适合企业轻量级部署。核心功能包括类似Postman的变量替换引擎、异步接口执行、用例CRUD管理，无需编码即可配置复杂测试流程。课程涵盖自动化办公与测试实战，附项目源码与1v1指导，助力提升测试效率。 （字数：150）

原创 纯Python打造！零前端代码实现超高性能企业级管理系统，速成指南

摘要：本项目基于B站热门教程《张同乐Python自动化办公2.0》，开发了纯Python实现的企业级后台管理系统。系统采用Streamlit框架+SQLAlchemy ORM技术，实现了零前端代码开发，包含多表管理、自定义表单、数据筛选/分页、Excel导出等核心功能。项目结构清晰，包含主模块、数据库操作、表单组件等6个功能模块，使用SQLite存储数据并支持异步操作。技术栈涵盖Streamlit 1.36、SQLAlchemy和Pandas等，既适合本地部署也支持云服务。项目提供完整源码、视频教程和开发者

原创 从0到1构建我的AI星逻系统： LLM智能控制 + Streamlit前端实战

星逻系统旨在解决办公自动化和数据分析中的常见痛点，如Excel报表处理、数据库查询、文件批量操作（格式转换/加密/OCR）、投资分析和邮件群发等。通过整合Python脚本、LLM+RGA私有知识库等技术，提供一站式解决方案，提升工作效率并实现智能化办公。

转载 AI小天才：让你轻松掌握机器学习

想象一下，您的孩子在未来的职业生涯中拥有一种独特的技能，这种技能不仅能让他们在学业上遥遥领先，还能在未来的职场中脱颖而出。我们推出了一门专为小学生设计的机器学习课程，内容丰富有趣，轻松易懂，旨在培养孩子们的逻辑思维能力和创新思维。报名链接🔗AI小天才：让小学生轻松掌握机器学习：点击这里立即报名，和孩子一起开启机器学习的奇妙之旅吧！这些课程不仅仅是学习机器学习，更是让孩子们在寓教于乐中掌握未来的技能，为他们的未来插上腾飞的翅膀！🦅 探索鹰（DBSCAN聚类）： 拓展营销智慧，启发孩子们的创造力！

原创 Python自动化办公2.0

Python自动化办公2.0介绍

原创 python读取pdf内容写入到Excel表格中

读取文件夹中的所有 PDF 文件。提取每个 PDF 文件的全文内容。创建一个新的 Excel 表格或使用现有的表格。将提取的内容粘贴到表格中，每个 PDF 的内容放在一个垂直单元格中。保存表格文件。以上代码可以帮助你从 PDF 文件夹中提取内容并将其导出到一个 Excel 文件中，每个 PDF 的内容放在 Excel 文件的一列中，方便进一步处理和分析。

原创 Python批量读取身份证信息录入系统和重命名

大家好，如果你对自动化处理身份证图片感兴趣，可以尝试以下操作：从身份证图片中快速提取信息，填入表格并提交到网页系统。如果你无法完成这个任务，我们将在“”课程中详细讲解实现整个过程。实现过程概述：模块与功能：re 模块：用于从 OCR 识别出的文本中提取所需的信息。日期模块：计算年龄。pandas：处理和操作表格数据。PaddleOCR：百度的 OCR 模块，适合中文文本识别。concurrent.futures：实现并发处理，提高图片识别效率。

原创 Python自动化办公2.0 课程更新

和一系列自动化项目案例的开发，包括我们封装了ztl-uia 模块，可以同时自动化操控windows 软件和浏览器, 封装的模块，针对为付费学员使用，目前新课5折149元子。之前的课程，包含了Python pandas+sklearn 数据分析，和Stremlit 可视化仪表盘的开发。本周更新，是给付费用户，封装了可以操控软件的模块。还有模块生成的文档，这是控制桌面的。

原创 Python自动化办公2.0：重塑工作效率的未来

Python自动化办公2.0”不仅是对传统办公方式的升级，更是对数据分析、可视化和智能化的全面革新。通过Pandas强大的数据处理功能、Streamlit酷炫的可视化能力以及机器学习的智能预测，你可以打造出一个高效、智能且引人注目的数据管理系统。现在就开始你的Python自动化之旅，让工作效率和数据价值跃上新台阶吧！

原创 Python自动化办公2.0 即将发布

课程优点：逐步升级，代码案例更加丰富、技术服务更加完善。往往萌新小白，开发环境搞不定，其实我们有社群的，老师也是在群里的，所以不用再评论区，发牢骚。不保证，课程代码在每台机器上，都能完美运行。系统差异，python 版本，模块版本差异的问题。pycharm 老版本还是新版本的，布局和使用都会有异同，先熟悉软件的创建项目，配置python 解释器开始。pycharm 软件激不活的问题，请直接使用开源版。有问题找老师~. 有问题的小伙伴，可以直接关注，私聊我csdn账号。第二节课：数据筛选、过滤与排序。

原创 AIGC智能办公实战 课程，祝你事业新高度

从零使用Python开发AI助手》这门课程将带领你走进AI的世界，从基础概念讲起，逐步深入，让你掌握使用Python开发AI助手的完整流程。课程以实践为导向，结合理论知识和实际操作，让你在学习的过程中不断积累实践经验，最终能够独立完成一个功能强大的AI助手。在数字化时代，人工智能（AI）已经渗透到我们生活的方方面面，从智能家居到自动驾驶，从医疗诊断到金融分析，AI助手正在改变我们的工作方式和生活质量。无论你是AI领域的初学者，还是有一定基础的开发者，这门课程都将为你提供宝贵的学习机会和实践经验。

原创 机器学习：探索数据的魔法世界

机器学习是一种人工智能的分支领域，旨在让计算机系统通过学习数据模式和规律，从而不断改进和优化自身的性能。与传统的编程方式不同，机器学习通过从数据中学习模型，使计算机能够自主地进行决策和预测。

原创 XGBoost算法详解：机器学习分类中的强力工具

XGBoost是一种基于决策树的集成学习算法，通过不断迭代训练弱分类器，并将它们组合成一个强分类器。相比于传统的梯度提升算法，XGBoost引入了一些创新性的改进，如正则化、特征分裂和并行计算等，从而提高了模型的性能和泛化能力。

原创 朴素贝叶斯算法解析：从原理到实践

朴素贝叶斯算法基于贝叶斯定理和特征条件独立假设，通过计算后验概率来进行分类。其核心思想是利用已知类别的样本计算特征的先验概率和条件概率，然后根据贝叶斯公式计算待分类样本属于各个类别的后验概率，选择具有最大后验概率的类别作为预测结果。

原创 AI小天才：让你轻松掌握机器学习之K近邻

KNN算法的基本原理是通过找出与新样本最近的K个训练样本，并根据它们的类别（对于分类任务）或者值（对于回归任务）来预测新样本的类别或值。K的选择会影响算法的性能，通常需要通过交叉验证等方法来确定最优的K值。在KNN算法中，可以为每个最近邻样本赋予不同的权重，以反映它们对预测的贡献程度。当然，下面我将更详细地解释K最近邻（KNN）算法的实现细节，并提供一个简单的Python示例来说明如何使用KNN算法进行分类任务。由于KNN算法是基于距离的，因此特征的尺度会影响算法的性能。

原创 AI小天才：让你轻松掌握机器学习之决策树

决策树算法是一种常用的机器学习算法，用于分类和回归任务。在这个算法中，我们通过一系列的决策节点将数据集分割成不同的子集，直到达到某个停止条件，比如子集中的样本数量小于某个阈值或者树的深度达到预定值。算法从根节点开始，选择一个特征来对数据集进行划分。这个选择通常是基于某种度量，比如信息增益（ID3算法）、信息增益比（C4.5算法）、基尼不纯度（CART算法）等。该特征的划分将数据集分成不同的子集。接着，对每个子集重复上述过程，选择最佳特征再次划分，直到达到停止条件。

原创 第八章：模型优化与处理文本数据（AI小天才：让你轻松掌握机器学习）

模型优化和文本数据处理是机器学习中的关键步骤，直接影响模型的性能和效果。通过本章的介绍，希望你能够掌握一些常见的模型优化技巧和处理文本数据的方法，并能够在实际项目中应用。

原创 第七章：集成学习（AI小天才：让你轻松掌握机器学习）

集成学习是一种将多个模型组合起来以解决问题的方法。与单个模型相比，集成模型通常具有更好的泛化能力和预测准确性。集成学习的关键思想是“众人拾柴火焰高”，即通过结合多个模型的意见，来得到更准确和可靠的预测结果。集成学习是一种强大而有效的机器学习方法，可以通过结合多个模型的预测结果来提高整体性能。通过本章的介绍，希望你能够理解集成学习的基本原理、常见方法和应用场景，为解决实际问题提供参考。

原创 第六章：支持向量机与决策树（AI小天才：让你轻松掌握机器学习）

支持向量机与决策树是两种常见且有效的监督学习算法，它们在不同的问题和场景中都有广泛的应用。通过本章的介绍，希望你能够理解它们的基本原理、优缺点和应用场景，为解决实际问题提供参考。

原创 第五章：无监督学习（AI小天才：让你轻松掌握机器学习）

无监督学习是一种从未标记的数据中提取模式和关系的机器学习方法。与监督学习不同，无监督学习不需要对输入数据进行标记或分类，而是通过分析数据之间的相似性和结构来发现隐藏的模式。无监督学习是一种强大的工具，它可以帮助我们从未标记的数据中发现隐藏的模式和关系。通过本章的介绍，希望你能够理解无监督学习的基本概念、常见算法和应用场景，为解决实际问题提供参考。

原创 第四章：K近邻与朴素贝叶斯（AI小天才：让你轻松掌握机器学习）

K近邻与朴素贝叶斯是两种简单而有效的机器学习算法，它们在不同的问题和场景中都有广泛的应用。通过本章的介绍，希望你能够理解它们的基本原理和应用，为解决实际问题提供参考。

原创 第三章：逻辑回归（AI小天才：让你轻松掌握机器学习）

逻辑回归是一种用于解决分类问题的监督学习算法。它用于预测一个二元变量的概率输出，通常表示为类别的概率值。在逻辑回归中，我们将输出变量看作是服从伯努利分布的随机变量，然后使用一个逻辑函数（也称为Sigmoid函数）将线性组合的特征映射到[0, 1]之间的概率范围内。逻辑回归是一种简单而强大的分类算法，它提供了一种有效的方法来预测二元输出变量的概率。通过本章的介绍，希望你能够对逻辑回归有所了解，并能够应用于实际问题中。

原创 第二章：线性回归（AI小天才：让你轻松掌握机器学习）

线性回归是一种用于预测连续数值输出的监督学习方法。它假设输入特征和输出之间存在线性关系，通过拟合一条直线（或者在更高维度中是一个超平面）来进行预测。简单来说，线性回归试图找到一条最适合数据的直线，以最小化预测值和实际值之间的误差。线性回归是机器学习中的基础模型之一，它提供了一种简单而强大的方法来建立输入和输出之间的关系。通过本章的介绍，希望你能够对线性回归有所了解，并能够应用于实际问题中。

原创 第一章：机器学习简介（AI小天才：让你轻松掌握机器学习）

机器学习是一种让计算机系统通过数据和经验自动改进和学习的方法。它是人工智能（AI）领域的一个重要分支，可以让计算机系统不断提高性能，执行特定任务，而无需明确的编程指令。机器学习是一项强大而多样化的技术，它不仅改变着我们日常生活的方方面面，也正在推动着科学和工程领域的发展。希望通过这个简介，你对机器学习有了更深入的了解，并能够进一步探索这个令人兴奋的领域。

原创 终于让我找到了，你也可以学会的人工智能-机器学习教程

给大家分享一套非常棒的python机器学习课程——《AI小天才：让小学生轻松掌握机器学习》，2024年5月完结新课，提供配套的代码+笔记+软件包下载！学完本课程，可以轻松掌握机器学习的全面应用，复杂特征工程，数据回归，分类，算法的项目实战应用，以小学生的视角和知识储备即可学会。以下是案例代码，非常详细，代码复用率，扩展性非常强。非常实用，代码拼积木形式指导完成。机器学习原理，举例子打比方的形式，通俗易懂的，让小学生都能学得会。

原创 给大家分享一套非常棒的python机器学习课程

2-5房产投资必备：多元线性回归（斜线狐狸）实战揭示房屋销售价格[17:36]4-2智能水果分类：K近邻（邻家兔）代码实战，水果分类轻松get[14:50]5-1解锁无监督学习之门：PCA与K均值（聚宝熊）的魔法探秘[12:05]5-3数据乐园探秘：可视化层次聚类（层次猴）算法的结构之旅[09:24]5-5数据玩具大师：掌握DBSCAN聚类算法（探索鹰）的艺[06:49]2-7数据探险之旅：随机梯度下降解谜线性回归（斜线狐狸）[12:06]5-2聚宝熊（k-means均值聚类）解析消费者群体[15:38]

原创 使用Python开发ChatGPT AI工具助手（ChatCatsy）：4天快速开发指南

在本教程中，我们学习了如何使用Python开发一个ChatGPT AI工具助手。我们了解了安装必要的库、构建ChatGPT模型以及添加功能和改进的步骤。希望这个指南能帮助您快速入门并开发出一个强大的AI工具助手！