通过实践学习成为AI人工智能工程师 Learn by Doing. Become an AI Engineer+中文字幕

本课程专为那些希望超越理论学习，亲手构建真实的人工智能系统的学员设计。无论你是从语言模型开始，还是最终创建多模态代理，你将跟随AI工程师的完整路径，在每个培训阶段创建实际项目。文章源自cg资源站-https://www.cgzyw.com/69331.html

课程大纲：基于项目的学习文章源自CG资源站-https://www.cgzyw.com/69331.html

项目1：LLM游乐场文章源自CG资源站-https://www.cgzyw.com/69331.html

• 构建自己的沙盒：用于与大型语言模型（LLM）工作的环境。
• 语言模型基础：分词化、架构（GPT、Llama）、文本生成方法。
• 后训练阶段：监督微调（SFT）、人类反馈强化学习（RLHF）。
• 质量评估方法：指标、基准测试、人工评价。

项目2：基于RAG和提示工程的客户支持聊天机器人文章源自CG资源站-https://www.cgzyw.com/69331.html

• 模型适应实践：微调、PEFT、LoRA。
• 提示工程技术：少量样本、零样本、思维链（CoT）。
• 检索增强生成（RAG）：搜索、索引、生成。
• RAG系统质量评估。

项目3：“询问网络”代理文章源自CG资源站-https://www.cgzyw.com/69331.html

• 构建代理：能够使用工具和网络工作的代理。
• 代理系统：规划、反思、多进程工作流。
• 工具调用和多代理方法。
• 代理效果评估方法。

项目4：深度研究与搜索及推理模型文章源自CG资源站-https://www.cgzyw.com/69331.html

• 现代推理LLM：如OpenAI o1、DeepSeek-R1。
• 推理方法：思维链（CoT）、思想树（Tree of Thoughts）、自一致性。
• 在推理数据上训练：监督微调（SFT）、带有验证器的强化学习（RL）、自我精炼。

项目5：多模态代理（文本-图像/视频）文章源自CG资源站-https://www.cgzyw.com/69331.html

• 图像和视频生成：扩散模型、生成对抗网络（GAN）、变分自动编码器（VAE）。
• 扩散模型的架构和训练：U-Net、DiT。
• 生成质量评估方法：IS（Inception Score）、FID（Fréchet Inception Distance）、CLIP。
• 构建端到端的T2I（Text-to-Image）和T2V（Text-to-Video）系统。

项目6：顶点项目文章源自CG资源站-https://www.cgzyw.com/69331.html

• 选择自己的想法：你可以根据个人兴趣或专业需求自由选择项目主题。
• 运用课程中的技术进行构建：利用在本课程中学到的各种技术和知识来开发你的项目。
• 构建过程中获得讲师的实时反馈：在项目开发的过程中，你可以随时向讲师寻求指导，并获得即时的反馈以改进你的项目。
• 演示 + 反馈环节：完成项目后，你将有机会展示你的工作成果，并参加一个反馈会议，从中获取有价值的建议和改进意见。

上传中文章源自CG资源站-https://www.cgzyw.com/69331.html 文章源自CG资源站-https://www.cgzyw.com/69331.html