内容
0 课时 • 0 测验 • 0 挑战
课程暂未关联课时
当前课程存在，但没有可学习的课时内容。请稍后再试。
☆☆☆☆☆
0.0中级
10h
攻克AI工程师面试
本课程涵盖当前最相关且需求较高的主题，帮助考生自信应对人工智能领域的面试。你将学习神经网络训练（梯度下降、迁移学习、模型压缩）、语言处理（分词、嵌入表示、解码）以及Transformer中的注意力机制（自注意力、交叉注意力和Flash Attention）。 你还将深入理解困惑度（perplexity）、BLEU、ROUGE等评估指标，并探讨现代人工智能面临的挑战，如幻觉现象、越狱攻击（jailbreaks）和模型可解释性。此外，课程涵盖前沿技术方法，包括RAG（检索增强生成）、小样本学习（few-shot learning）和思维链提示（Chain-of-Thought prompting），并进一步探讨系统效率与可扩展性、专家混合模型（Mixture of Experts）、向量数据库以及智能体式AI行为。
9 课时
攻克AI工程师面试
本课程涵盖当前最相关且需求较高的主题，帮助考生自信应对人工智能领域的面试。你将学习神经网络训练（梯度下降、迁移学习、模型压缩）、语言处理（分词、嵌入表示、解码）以及Transformer中的注意力机制（自注意力、交叉注意力和Flash Attention）。
你还将深入理解困惑度（perplexity）、BLEU、ROUGE等评估指标，并探讨现代人工智能面临的挑战，如幻觉现象、越狱攻击（jailbreaks）和模型可解释性。此外，课程涵盖前沿技术方法，包括RAG（检索增强生成）、小样本学习（few-shot learning）和思维链提示（Chain-of-Thought prompting），并进一步探讨系统效率与可扩展性、专家混合模型（Mixture of Experts）、向量数据库以及智能体式AI行为。
本课程涵盖当前最相关且需求较高的主题，帮助考生自信应对人工智能领域的面试。你将学习神经网络训练（梯度下降、迁移学习、模型压缩）、语言处理（分词、嵌入表示、解码）以及Transformer中的注意力机制（自注意力、交叉注意力和Flash Attention）。
你还将深入理解困惑度（perplexi...
你将学到什么
了解训练、优化和微调神经网络及生成式AI模型的策略
熟悉语言模型中常用的分词、嵌入和解码技术，这些内容在人工智能面试中经常被考察。
了解注意力机制及推动 Transformer 模型发展的架构创新
熟悉用于评估生成模型性能和输出质量的工具与指标
对AI模型架构、缩放定律以及可解释性方法的比较性知识
掌握提示工程的高级技巧、检索增强生成（RAG）以及少样本学习。
熟悉在生产环境中提高生成模型效率、可扩展性和鲁棒性的关键概念
了解训练、优化和微调神经网络及生成式AI模型的策略
评价
阅读参加过此课程的学生的评价，并分享您的学习体验。