13. 大语言模型应用开发
大语言模型 LLM 应用开发：Prompt Engineering、RAG 检索增强生成、Fine-tuning 微调、Function Calling 与 AI Agent 架构设计
posts
AI/ML 人工智能与机器学习实战
从机器学习基础到深度学习、从大语言模型到 MLOps，系统掌握人工智能全栈技术栈
12. MLOps 与实验管理
MLOps 工程化实践：MLflow 实验追踪、DVC 数据版本管理、模型注册中心、CI/CD for ML 与自动化流水线设计
11. 模型部署与推理优化
ML 模型生产化部署指南：ONNX 跨平台转换、TorchServe 服务化、量化蒸馏压缩、TensorRT 加速与边缘端部署
10. 特征工程实战
机器学习特征工程深度指南：特征选择、特征构造、时间序列特征、文本/图像特征提取与自动化特征工程
09. 推荐系统
推荐系统全栈技术：协同过滤、矩阵分解、FM/FFM、深度推荐模型 DeepFM/DIN 与工业级召回+排序架构
08. 计算机视觉进阶
计算机视觉深度解析：YOLO 系列、图像分割、OCR 文字识别与生成模型 GAN/Diffusion
07. 自然语言处理 NLP
NLP 核心技术：文本预处理、词向量 Word2Vec/GloVe、BERT 微调、文本分类与命名实体识别实战
06. RNN、LSTM、GRU 与 Transformer
从 RNN 到 Transformer：序列建模演进，LSTM/GRU 门控机制、Self-Attention、多头注意力位置编码与 BERT/GPT 架构解析
05. 卷积神经网络 CNN
CNN 卷积神经网络全解析：卷积/池化/全连接、经典网络 LeNet 到 EfficientNet、目标检测基础、数据增强与迁移学习
04. 神经网络基础
从感知机到多层神经网络，深入理解激活函数、反向传播、损失函数、优化器与 Dropout/批归一化等训练技巧
03. 无监督学习与降维
K-Means、层次聚类、DBSCAN、PCA、t-SNE、UMAP、关联规则等无监督学习算法的原理与实战
02. 监督学习算法详解
线性回归、逻辑回归、决策树、集成学习、SVM 等核心监督学习算法的原理、实现与调优
01. 机器学习基础概论
机器学习核心概念、三大范式、模型评估指标、过拟合与正则化、特征工程入门