课程目录
精选来自 DeepLearning.AI、Google、Coursera、fast.ai、Hugging Face 等平台的 33 门课程
ChatGPT Prompt Engineering for Developers
由吴恩达与 OpenAI 联合打造的经典入门课。系统讲解 Prompt 构建的核心原则，涵盖摘要、推断、转换、扩写等实用场景。
AI Prompting for Everyone
由吴恩达亲授的全民 AI 提示词课程，手把手教你从 AI 模型中获得真正有用的结果，适合零基础学习者。
LangChain for LLM Application Development
LangChain 框架官方入门课。涵盖 Prompt、Memory、Chain、Agent 等核心模块，学完即可构建 LLM 应用。
How Transformer LLMs Work
由《The Illustrated Transformer》作者主讲，用可视化方式深入理解 Transformer 架构。
Attention in Transformers: Concepts and Code in PyTorch
由 StatQuest 主讲，从概念到代码，用 PyTorch 实现注意力机制，真正掌握 Transformer 的工作原理。
Multi AI Agent Systems with crewAI
用自然语言设计 AI Agent 团队，通过多智能体协作自动化复杂业务工作流。
Building Agentic RAG with LlamaIndex
用 LlamaIndex 构建能自主导航和分析数据的 Agentic RAG 系统，实现智能文档问答。
Evaluating AI Agents
学习如何对 AI Agent 进行系统化评估和改进，掌握可观测性与评估框架。
LLMOps
学习 LLMOps 最佳实践，掌握 LLM 微调和部署的自动化流程设计。
Building RAG Agents with LLMs
深入讲解如何将 RAG 与 Agent 技术结合，构建能主动检索、推理和回答问题的智能体系统。
Retrieval Augmented Generation (RAG)
全面掌握生产级 RAG 应用开发，涵盖向量检索、分块策略、重排序和 RAG 评估体系。
Knowledge Graphs for RAG
学习用知识图谱增强 RAG 应用，使用 Neo4j 构建结构化知识检索，提升回答准确性。
AI Agents in LangGraph
使用 LangGraph 构建有状态的 AI Agent，学习工具调用和人机协同能力。
Agent Memory: Building Memory-Aware Agents
构建 Agent 记忆系统，让 LLM 跨会话存储和精炼知识，升级为能不断学习的智能体。
A2A: The Agent2Agent Protocol
学习 A2A 开放协议，实现跨框架的 Agent 间通信与协作。
MCP: Build Rich-Context AI Apps with Anthropic
学习 Model Context Protocol（MCP）构建能访问工具和数据的 AI 应用。
Building Code Agents with smolagents
使用 smolagents 框架构建能编写和执行代码完成复杂任务的 Agent。
Finetuning Large Language Models
掌握何时用微调而非 Prompting，如何选择模型、准备数据、训练与评估全流程。
Transformers in Practice
超越使用 LLM，真正理解 Transformer 内部机制，培养分析模型行为的直觉。
Build and Train an LLM with JAX
使用 JAX（Gemini 背后的框架）从零构建并训练一个 2000 万参数的 LLM。
Fine-tuning & RL for LLMs: Intro to Post-training
学习 SFT、DPO、RLHF 等后训练方法，用微调和强化学习提升模型推理能力。
Machine Learning Specialization
吴恩达 ML 课程升级版，480 万+ 学习者的入门金标准，涵盖监督/无监督学习和神经网络。
Deep Learning Specialization
深度学习权威课程，涵盖 CNN、RNN、LSTM、Transformer，用 Python 和 TensorFlow 实战。
Generative AI with Large Language Models
系统理解生成式 AI 全生命周期，深入解析 Transformer 架构，掌握训练和微调优化。
NLP Specialization
从词向量到 BERT、T5 的完整 NLP 演进路径，配合 Hugging Face Transformers 实战。
MLOps: Machine Learning in Production
ML 生产系统设计全流程：范围界定、数据管理、模型选型、部署和持续改进。
Practical Deep Learning for Coders
Jeremy Howard 主讲的「自顶向下」深度学习课程，被 Google 研究总监力荐，覆盖 CV、NLP 和表格数据。
From Deep Learning Foundations to Stable Diffusion
30+ 小时进阶课程，从深度学习底层原理推导到 Stable Diffusion 模型。
Hugging Face NLP Course
官方出品，覆盖 Transformers、Datasets、Tokenizers 的完整使用和微调实战。
Hugging Face AI Agents Course
官方 AI Agent 课程，涵盖 smolagents、LlamaIndex、LangGraph 三大框架，可获结课证书。
Hugging Face Computer Vision Course
涵盖图像分类、目标检测、图像生成和多模态理解，使用 HF 生态预训练模型实战。
Machine Learning Crash Course
Google 出品的 ML 速成课，包含动画视频和交互可视化，涵盖回归、神经网络和 LLM 入门。
Introduction to Generative AI
Google Cloud 出品的生成式 AI 入门短课，介绍基本概念、工作原理与典型应用场景。