最近 2 个月陆续突击看了一些极客时间上关于 AI 的课程，整理如下，随便加点个人点评，欢迎大家也推荐一些好的课程。

AI 大模型之美——ChatGPT

https://github.com/xuwenhao/geektime-ai-course
点评：此课程发布的时间比较早，是音频课程，结合 PDF 听完后得自己再查看代码做练习，有个前提就是得申请好 GPT API Key，网络要好，当然理解后，可以换成 DeepSeek 的 API Key。

课程介绍
音频课，可在课程首页点击 “资料” 获取 PDF 版本及 MD 版本课件。

揭开 ChatGPT 面纱，拥抱 AI 新潮流。本课程将把新一代 AI 应用开发的方法和机会分享给你。无论你是产品经理还是工程师，都值得学一学看一看。通过实践，高效利用新一代 AI 强大的能力，去解决真实场景下的问题。课程共分为 3 个模块：

基础知识篇（章节 01-08）：带你探究大型语言模型的基本能力。通过提示语（Prompt）和嵌入式表示（Embedding）这两个核心功能，看看大模型能帮我们解决哪些常见的任务。通过这一部分，你会熟悉 OpenAI 的 API，以及常见的分类、聚类、文本摘要、聊天机器人等功能，能够怎么实现。

实战提高篇（章节 09-18）：开始进入真实的应用场景。要让 AI 有用，不是它能简单和我们闲聊几句就可以的。我们希望能够把自己系统里面的信息，和 AI 系统结合到一起去，以解决和优化实际的业务问题。比如优化传统的搜索、推荐；或者进一步让 AI 辅助我们读书读文章；乃至于让 AI 自动根据我们的代码撰写单元测试；最后，我们还能够让 AI 去决策应用调用什么样的外部系统，来帮助客户解决问题。

语音与视觉篇（章节 19-27）：光有文本对话的能力是不够的，这部分会进一步让你体验语音识别、语音合成，以及唇形能够配合语音内容的数字人。还会教会你如何利用现在最流行的 Stable Diffusion 这样的开源模型，去生成你所需要的图片。并在最后，把聊天和画图结合到一起去，为你提供一个 “美工助理”。

你将获得
1、通用人工智能发展趋势洞察与产品概览
2、OpenAI、Stable Diffusion 等开发工具开箱即用
3、大模型实战之巧用数据实现 “自主可控” 的 AI 应用
4、30 段实用代码 & 1 份 AI 技术突破与实践指南

TensorFlow 2 项目进阶实战

https://github.com/DjangoPeng/tensorflow-101
点评：推荐此课程，有理论也有实战，虽然课程发布比较早，用的 TF 版本比较旧。

课程介绍
Google 开发专家带你手把手打通 AI 项目落地全流程。
TensorFlow 2 不仅继承了 Keras 快速上手和易于使用的特性，还扩展了原有 Keras 所不支持的分布式训练，并整合了 TF 生态的其他组件（如 TF Serving、TF Lite、TF Hub、TFX 等），可有效提升生产环境的稳定性和可维护性。对学习者来说，从工具使用到实战项目的落地，中间还有很长的路要走，有不少坑要去填。可以说，想要顺利落地基于 TensorFlow 2 的 AI 项目，并不是一件容易的事。

因此，我们希望通过本课程来帮助学员了解 AI 落地的设计思路和经验，手把手带你落地一个完整的 AI 项目，知道这个过程中会有哪些坑，如何去避免。同时，你也能通过实战进一步提升自己的 AI 技术，达到对 TensorFlow 2 的熟练运用。共分为 8 个篇章：

课程简介篇（01-02 讲）
基础理论篇（03-06 讲）：TensorFlow 2 设计思想
快速上手篇（07-13 讲）：动手训练模型和部署服务
方案设计篇（14-19 讲）：如何设计可落地的 AI 解决方案
商品检测篇（20-31 讲）：使用 RetinaNet 瞄准你的货架商品
商品识别篇（32-39 讲）：使⽤ ResNet 识别你的货架商品
业务落地篇（40-49 讲）：实现货架洞察 Web 应用
TensorFlow 2 进阶使用（50-56 讲）

你将获得
1、TensorFlow 2 核心思想和实战技能
2、AI 项目的设计思路和关键原则
3、完整落地一个 AI 新零售项目
4、落地 AI 项目的踩坑与填坑经验

PyTorch 深度学习实战

https://github.com/lukemelas/EfficientNet-PyTorch
点评：音频课程，需要听一下停一下练习，但是作为 2 大框架，肯定是需要了解的。

课程介绍
音频课，可在下方点击 “资料” 获取 PDF 版本课件。

LINE China 数据科学家带你从 0 到 1，快速上手 PyTorch。

如果你即将进入或者已经进入了深度学习、机器学习这些相关领域，PyTorch 能够帮你实现模型和算法，快速完成深度学习模型部署，提供高并发服务，还可以轻松实现图像生成、文本分析、情感分析这样有趣的实验。另外，很多算法相关岗位，也同样需要熟练使用 PyTorch。这意味着，一旦你掌握了 PyTorch，就相当于走上了深度学习与机器学习的快车道。

但想要快速入门、上手 PyTorch，也面临这样一些挑战，基于此，方远老师将结合自己丰富的实战经验，为你呈现一套系统完整的 PyTorch 技术学习框架（基于 PyTorch 1.9.0 版本），让你从原理到项目一站式攻克学习难题，熟练掌握 PyTorch 框架，解决实际问题。

基础篇（01-05 节）：夯实基础，详解 PyTorch 基础知识。通过这部分内容，你将学习 PyTorch 中两大重要知识点—— NumPy 与 Tensor 的用法。
模型训练篇（06-16 节）：带你快速掌握一个框架。结合深度学习模型训练的一系列流程，为你详解自动求导机制、网络搭建、模型参数更新、保存与加载模型、训练过程可视化、分布式训练等等关键模块，带你具体看看 PyTorch 为我们提供怎样的帮助。通过这部分内容，你就能基于 PyTorch 搭建网络模型了。
实战篇（17-25 节）：结合当下最流行的图像与自然语言处理任务，串连前面两个模块的内容，为你深入讲解 PyTorch 如何解决实际问题，如图像分割、情感分析、文本分类等等。

你将获得
1、PyTorch 核心原理与应用详解
2、5 大实战模块，吃透 PyTorch
3、8 个核心模型训练要点
4、10 年老兵的深度 / 机器学习心法

计算机视觉

点评：理论和实际例子结合，充分了解 opencv。

课程介绍
讲师：夏洛特 人工智能领域实战派讲师，图像算法落地实践者，吐司图像生成平台的专家顾问

课程主要解内容:

一、图像基础原理、OpenCV、图像读取与展示、图像保存。
二、图像绘制应用、常见绘图函数、图像变换。
三、图像平滑、图像锐化、开闭运算。
四、灰度直方图、HSV、RGB 色彩转化、分割操作处理及应用。
五、阈值分割、边缘检测原理、常见边缘检测算法。
六、角点特征定义、Harris 和 Shi-Tomas 算法、SIFT 和 SURF 算法、HOG 特征算子。
七、FAST 算法、ORB 算法、特征匹配。
八、轮廓检测与绘制、轮廓特性、轮廓拟合。
九、KNN 算法、SVM 算法、手写数字识别。
十、视频读写、视频追踪、目标检测。

你将获得
1、图像处理与分析基础技能的全面掌握
2、图像变换与特征提取技术的深入理解
3、色彩处理与分割技术的实际应用
4、机器学习算法在图像处理中的应用探索

NLP 实战高手课

https://github.com/geektime-geekbang/NLP
点评：课程规划得很宏大，不过后期讲解就比较粗了，里面讲解算法的时候带你一起读论文还是比较推荐的。

课程介绍
《NLP 实战高手课》，全方位提升你的 NLP 实战能力。

NLP (全称 Natural Language Processing，即自然语言处理) 被誉为 “人工智能皇冠上的明珠”，它在电商、翻译、金融、智能硬件、医疗等各个行业已经有了越来越广泛的应用。很多人认为，NLP 已经迎来了属于它的黄金时代。相应的，各个企业对 NLP 工程师的需求也越来越多。但如果想成为一个 NLP 领域的高手，仅仅会调用几个开源框架，调一调参数，显然是不够的。由于 NLP 本身的复杂性，仅仅停留在对一些技术领域的浅层理解或者跟着论文照做，你很难在实际工作中取得理想的效果。

本课程在内容设计上，将打破常规，打造一门有理论深度同时兼具实战性的课程。我们希望通过这个课程，让你对 NLP 领域的相关技术和解决方案有一个更系统和深入的了解，最终让你能够独立完成一个 NLP 项目的开发、部署全流程，并掌握进一步的自我学习和独立解决问题的能力。

你将获得
1、高效挖掘表格化数据的技巧
2、四种经典 NLP 任务的解决方案
3、NLP 竞赛和实战中的黑科技
4、从开发到部署的一整套落地经验

RAG 实战营

https://github.com/huangjia2019/rag-in-action
点评：强烈推荐，课程比较新，也是时下热门技术，课程分五个系列，目前还在学习中。

课程介绍
RAG 项目开发是传统研发人员切入 AI 大模型开发赛道的最佳方式。本课程将通过四个主流的行业 RAG 项目，深入讲解 RAG 开发的十大核心技术。

课程特色：
实战导向
通过 4 个真实项目案例，覆盖金融、医疗、企业合规等多个领域的 RAG 应用场景
DeepSeek 助力开发
-使用 DeepSeek 开源大模型进行 RAG 系统开发
-利用 DeepSeek 强大的推理、代码理解和生成能力，加速开发过程
-支持中英双语开发，适合国内开发场景
Cursor 智能编程
-使用 Cursor 作为主要 IDE 工具
-实时 AI 编程助手，提供代码补全和优化建议
-快速调试和问题诊断能力
完整技术栈
-从数据处理到系统部署的全流程实践
-11 节核心技术详解，深入 RAG 各个环节
-前沿技术探索，包括 GraphRAG、Agentic RAG 等最新进展

你将获得
通过 DeepSeek + Cursor 的协同，你将体验到 AI 辅助下的高效 RAG 开发流程，快速掌握 RAG 系统的搭建与优化技巧。

AI 大模型微调实战营

https://github.com/DjangoPeng/LLM-quickstart
点评：强烈推荐此课程，课程内容很丰富，还在学习中。

课程介绍
本课程将帮助你掌握微调主流技术，通过大模型微调各项技术和理论介绍，6 个技术案例实操练习，学完之后有能力根据公司的业务需求微调相应的大模型，助力 AI 应用在企业的落地，同时也可以大大的提升自己的技术竞争力。

课程将会详细的介绍现在业界内常用的微调技术，比如 Adapter Tuning, Prompt Tuning, Prefix Tuning, P-Tuning, LoRA, AdaLoRA, QLoRA 等...另外通过理论与实践相结合的教学方式，带你掌握 Hugging Face Transformers & PEFT、Microsoft Deepspeed 等微调工具，帮助你掌握提升大模型微调精度与的利器效能之道。

同时，国产化适配也是目前的重要的技能，我们课程选取了华为昇腾 910 和 ChatGLM-6B 这套国产组合，帮助你学会做国产适配化。本部分为预热篇，共包含 2 章：

第一章：AI 大模型四阶技术总览
深度解读 AI 发展四轮浪潮
技术浪潮：弱人工智能、机器学习、深度学习、大语言模型
应用浪潮：高校共识、硅谷创新、中美博弈
把握浪潮：AI 大模型助力超级个体和小团队
AI 大模型四阶技术总览
提示工程（Prompt Engineering）
AI 智能体（Agents）
大模型微调（Fine-tuning）
预训练技术（Pre-training）

第二章：大语言模型技术发展与演进
统计语言模型
神经网络语言模型
基于 Transformer 的大语言模型
注意力机制
Transformer 网络架构
预训练 Transformer 模型： GPT-1 与 BERT
暴力美学 GPT 系列模型

第三章：大模型开发工具库 Hugging Face Transformers
第四章：实战 Transformers 模型训练
第五章：大模型高效微调技术揭秘（上）
第六章：大模型高效微调技术揭秘（下）
第七章：大模型高效微调工具 Hugging Face PEFT 入门与实战
第八章：大模型量化技术入门与实战
第九章：GLM 大模型家族与 ChatGLM3-6B 微调入门
第十章：实战私有数据微调 ChatGLM3
第十一章：ChatGPT 大模型训练技术 RLHF
第十二章：混合专家模型（MoEs）技术揭秘
第十三章：Meta AI 大模型 LLaMA
第十四章：实战 LLaMA2-7B 指令微调
第十五章：大模型分布式训练框架 Microsoft DeepSpeed
第十六章：国产化适配 - 基于华为昇腾 910 微调 ChatGLM-6B
智谱 AI GLM 篇
GLM 大模型家族介绍
GLM 系列模型发展历程：从 GLM-10B 到 GLM-4
GLM-4V：VisualGLM、CogVLM、CogAgent、GLM-4V 的技术变化
代码生成模型：CodeGeeX-3 及插件应用
图像生成模型 CogView-3
超拟人大模型 CharacterGLM
GLM-4 All Tools
GLM 模型部署微调实践
ChatGLM3-6B 开源介绍
ChatGLM3-6B 快速上手
模型微调
CogVLM 模型部署实践
CogVLM 开源模型介绍和体验
CogVLM 开源模型部署

你将获得
能够掌握主流的大模型微调（Fine-tuning）技术，提升大模型应用的准确率，满足业务需求。并可以基于国产硬件（华为昇腾 910）和大模型（ChatGLM-6B）完成适配工作，满足合规要求。

AI 重塑云原生应用开发实战

https://github.com/xingyunyang01/Geek
点评：音频课，用 Go 语言实现例子，不过音频是机器人读的，听起来没那么和谐，也就粗粗听了一遍，我觉得适合 devops 人员。

课程介绍
音频课，可在下方点击 “资料” 获取 PDF 版本课件。

今天的 AI 就如同我们的第二大脑，可以和很多技术在落地应用上有所结合。而这门课程将专注于云原生，带你探索 AI+ 云原生在应用领域的诸多成果，看看它们是如何相互赋能、相互成就。并通过多个具体案例的拆解，带你快速掌握 AI+ 云原生的应用开发能力，助力开发者提升职场竞争力。

课程将从 AI Agent 原理和简单实操开始讲起，逐步将这项技术，在 K8s 操作运维以及云原生网关两个方向落地。

具体划分为以下 5 大章节：
AI Agent 原理篇（01-04 节）：从最热门的 Agent 技术讲起，你会学习到主流的 Agent 推理方案，并且会带你快速掌握 0 框架手撸 Agent 应用的能力，为后面的开发打好基础。
Agent + K8s 运维级开发初级篇（05-10 节）：开始进行 AI + 云原生的第一个实操案例——用自然语言操控 K8s。先从设计开始，为你梳理做这样一个应用需要使用到哪些技术点。之后，会详细为你讲述 Client-Go 的进阶使用、API 封装、多集群管理等知识，以便更好的封装 Agent 工具。在有了这些基础后，我们结合 AI 相关技术完成项目的实战。
Agent + K8s 运维级开发高级篇（11-12 节）：本章将会沿着上一章的脚步做进阶开发。上一章讲了操控 K8s，这一章学习运维。通过简单问题排查和日志事件分析这两个项目，你可以感受到用自然语言运维 K8s 的神奇之处。
可定制 API Agent 原理与实战（13-17 节）：既然 API 是 AI 时代的一等公民，我们就有必要了解 OpenAI 的 GPT Store 以及国产优秀开源平台 Dify 这些主流的 API Agent 的原理是什么，最后我们用 Go 语言手撸一个 Dify 同款功能的 Agent。
AI 微服务——云原生 API 网关与 Wasm 实战（18-26 节）：开始进行 AI + 云原生的第二个应用实战，即 AI 微服务。这一章会介绍云原生 API 网关以及 Wasm 技术，通过 Wasm 技术，我们可以将 AI Agent 等应用做成插件，嵌入到网关上，使得传统网关具备 AI 能力。这样就会形成自然语言前端到 AI 网关，AI 网关管理后端 API 工具的架构，讲师将其称之为 AI 微服务。

你会注意到，整个课程是一个重视实操的课程，课程中会有大量需要动手编码的章节。希望通过这样的课程设计，能让不论是处于传统行业还是在做云原生开发的你，都能够迅速切换到 AI + 云原生赛道，赶上这趟高速奔驰的列车。

你将获得
1、深入理解 Agent 原理，掌握其常用方案
2、摆脱框架手撸 Agent 应用，快速动手实践
3、实现用自然语言操控 K8s，助力智能化运维
4、深度实践 AI 微服务与网关技术，复现真实案例

学习须知
音频课，可在课程首页点击 “资料” 获取 PDF 版本课件。

Docker 与 k8s

点评：AI 部署也离不开这两个技术，特别是 K8S 的灰度发布。另外推荐可以阅读下这个文档https://www.qikqiak.com/k8s-book/。

课程介绍
一、介绍 Docker 概述、安装要求、引擎 、架构 和底层技术。
二、介绍 Docker 入门程序、常用操作指令 、管理指令和镜像管理工具 。
三、介绍数据卷、Dockerfile 概念。
四、介绍宿主机中数据增删改查的操作。
五、介绍什么是 K8s 及整体架构、k8s 环境搭建、部署环境准备、安装具体过程。
六、介绍部署插件、k8s 部署容器化应用、构建项目镜像、Docker 容器运行。
七、介绍 Ingress 暴露应用 Nginx、NodePort、LoadBalancer、Ingress。
八、介绍 k8s 部署服务。

你将获得
1、Docker 技术深入掌握
2、Kubernetes（K8s）集群管理与部署
3、Kubernetes 服务暴露与负载均衡
4、Kubernetes 服务管理与优化