AI算法进阶训练营，本课程提供从数学原理、机器学习、深度学习，到强化学习与生成式AI的完整技术栈学习路径。教学全程贴合企业实战环境，指导学员运用阿里云ECS、TensorFlow/PyTorch、Kubeflow等工业级工具链进行开发。我们尤其注重工程化能力的全面培养，涵盖从模型部署、推理优化、自动化运维到使用SHAP进行公平性审查的全流程。同时，课程还引入多模态、联邦学习等前沿技术探索，帮助学员建立技术前瞻性，把握未来方向。
.
├── 00 直播回放/
│ ├── [375M] 01.开班分享
│ └── 资料/
├── 01 直播答疑/
│ ├── [196M] 01.AI算法直播答疑-20250628
│ ├── [218M] 02.AI算法直播答疑-20250720
│ ├── [285M] 03.AI算法直播答疑-20250809
│ ├── [ 22M] 04.AI算法直播答疑-20250824
│ ├── [208M] 05.AI算法直播答疑-20250927
│ └── [118M] 06.AI算法直播答疑-20251101
├── 02 第1周：AI概述与基础知识+数学基础/
│ ├── [117M] 1.课程导论
│ ├── [ 75M] 2.数学基础：概率论与数据分布
│ └── [105M] 3.概率论和数据分析的练习与思考
├── 03 第2周：传统机器学习模型 +数学基础强化/
│ ├── [136M] 2.线性模型
│ ├── [ 47M] 3.决策树
│ ├── [ 38M] 4.无监督学习
│ ├── [ 52M] 5.模型评估
│ └── [ 73M] 6.第一周练习题答案
├── 03 第2周：传统机器学习模型+数学基础强化/
│ ├── [ 94M] 1.监督学习基础
│ └── 资料/
├── 04 第3周：知识表示与检索/
│ ├── [ 71M] 1.符号表示和知识库（一）
│ ├── [ 65M] 2.符号表示和知识库（二）
│ ├── [ 58M] 3.规则引擎与自动推理
│ └── [ 64M] 4.测试床环境
├── 05 第4周：控制论与强化学习基础/
│ ├── [ 80M] 1.行为主义与控制论
│ ├── [ 71M] 2.强化学习入门
│ ├── [ 33M] 3.深度强化学习
│ └── [ 25M] 4.从强化学习到语言智能体预测控制
├── 06 第5周：感知机与浅层网络/
│ ├── [ 33M] 1.浅层网络的协同过滤问题
│ ├── [150M] 2.MLP的“端到端”隐式特征交叉
│ ├── [ 60M] 3.特征交叉的深度表示和“表示学习”的本质
│ ├── [2.0M] 4.第5周作业（必做）
│ ├── [ 20M] 5.第5周作业讲解
│ └── 资料/
├── 07 第6周：现代神经网络CNN与 RNN/
│ ├── [ 65M] 1.视觉表示和卷积神经网络
│ ├── [ 46M] 2.视觉模型预训练与迁移学习
│ ├── [ 40M] 3.语言表示和循环神经网络
│ ├── [ 70M] 4.语言模型预训练与自监督学习
│ ├── [ 19M] 5.第6周作业讲解
│ └── 资料/
├── 08 第7周：Transformer 与大模型/
│ ├── [ 44M] 1.表示学习与借口任务
│ ├── [ 70M] 2.注意力机制
│ ├── [ 78M] 3.Transformer和大模型
│ ├── [ 46M] 4.第7周作业讲解
│ └── 资料/
├── 09 第8周：深度强化学习进阶与多范式融合趋势/
│ ├── [154M] 1.LLM与监督微调
│ ├── [ 68M] 2.LLM与专家系统
│ ├── [ 48M] 3.LLM与智能代理
│ └── 资料/
├── 09 第9周：模型部署与推理优化/
│ ├── [118M] 1.初识模型部署和推理优化
│ ├── [155M] 2.云端计算：集中式智能与在线学习
│ ├── [155M] 3.边缘计算：近场智能与产业互联
│ ├── [126M] 4.具身智能：泛在智能与端侧革命
│ ├── [108M] 5.第9周作业说明
│ └── 资料/
├── 11 第10周：模型监控与自动化运/
│ ├── [113M] 1.数据构建流程：数据采集
│ ├── [ 52M] 2.数据构建流程：数据清洗（一）
│ ├── [ 31M] 3.数据构建流程：数据清洗（二）
│ ├── [115M] 4.模型构建流程
│ ├── [ 88M] 5.模型运维流程：构建科学发布流程
│ ├── [132M] 6.模型运维流程：工程纪律与安全护栏
│ └── 资料/
├── 12 第11周：可解释 AI (XAI) 与模型安全/
│ ├── [ 70M] 1.人工智能系统的潜在风险
│ ├── [ 69M] 2.可解释性AI
│ ├── [ 81M] 3.鲁棒性与泛化
│ ├── [ 87M] 4.负责任AI
│ └── 资料/
├── 13 第12周：多模态学习与前沿应用/
│ ├── [130M] 1.视觉生成基础模型：视觉生成任务
│ ├── [ 49M] 2.视觉生成基础模型：理解扩散模型
│ ├── [ 45M] 3.多模态基础模型：CLIP
│ ├── [ 91M] 4.多模态基础模型：StableDiffusion
│ ├── [113M] 5.多模态基础模型：SAM
│ ├── [ 79M] 6.多模态智能体：VLModel
│ ├── [ 84M] 7.多模态智能体：GUIAgent
│ ├── [171M] 8.世界模型与空间智能
│ └── 资料/
├── 14 第13周：课程回顾与项目展望/
│ ├── [ 85M] 1.工业级ChatGPT系统设计方案
│ └── 资料/
└── 代码演示与讲解/
├── [262M] 1.搜索推荐技术
└── [164M] 2.图搜技术
