logo
视频课程课程介绍

AI Engineer核心技术实战课

一步步教你做出搜索、更智能、能执行任务的 AI 系统

  • 成为年薪$200K+的 AI Engineering人才
课程价格$2,180$3,299
课程顾问
查看 AI 职业影响地图 →
课程视觉
bootcamp-visual
Core Features

AI Engineer核心技术实战课亮点

01

完整对标 AI Engineer Bootcamp 的课程体系

02

灵活学习、无限回看、不怕错过任何细节

03

适合作为长期“AI 工程知识库”反复使用

04

成本更友好,是入门 AI 工程最实用的开始方式

Curriculum

AI Engineer核心技术实战课课程大纲

1LLM Basics15 课时
ℹ️Pre-work信息
ℹ️Preparation信息
🎬Generative Al & productivity视频
🎬GenAl Concept视频
🎬Prompt Engineering视频
🎬RAG视频
🎬GenAl Agents视频
🎬Generative Al Ops视频
🎬Structured Data vs Unstructured Data视频
🎬Introduction to Machine Learning视频
🎬Supervised, Unsupervised, and Reinforcement learning视频
🎬Introduction to Deep Learning视频
🎬The transformer architecture视频
🎬Input embeddings视频
✏️GenAI Capstone Project:intelligent Study Assistant(ISA)作业
2LLM Baiscs3 课时
🎬Natural Language Processing(NLP)视频
🎬Transformer and Attention视频
🎬Language Models (LM)视频
3Prompt Engineering9 课时
🎬Prompting视频
🎬Fine-Tuning视频
🎬RAG 1视频
🎬RAG 2视频
🎬Agents视频
🎬Benefits and When to Use视频
🎬Prompt Engineering: Best Practices视频
🎬Prompt Iteration through a User Interface视频
🔬Project:Building and Sharing Your First GPT in OpenAI’s GPT Store实验
4Prompt Engineering3 课时
ℹ️Define your success criteria信息
ℹ️ChatGPT Prompt Set信息
ℹ️GenAI Toolbox信息
5Embeddings7 课时
🎬Understanding LLMs: Capabilities, Limits & Engineering Solutions)视频
🎬RAG基本架构视频
🎬Embedding嵌入模型视频
🎬向量数据库视频
🎬Native RAG存在的问题视频
🎬Advanced RAG 与 Agentic RAG:从基础检索到可控推理流程视频
🎬Contextual RAG视频
6RAG Deployment7 课时
🔬Project:Building RAG from Scratch in Python实验
🎬What are API Rate Limits? - OpenAl视频
🎬Azure OpenAl: Quotas, Rate Limiting, and PTUs视频
🎬Pdf Parsing视频
🎬invoice processing视频
🔬Project:Shipping and Sharing a Rate-Unlimited, PDF-UploadReady RAG Application实验
🎬Agent详解:构建第一个Agent视频
7RAG Deployment6 课时
ℹ️RAG Builder Toolbox信息
ℹ️AI Resource Hub信息
🎬Budgeting and API costs视频
ℹ️End-to-End RAG Toolbox信息
🎬用 AWS 构建 RAG应用视频
ℹ️Deploying and Operating RAG in Production信息
8RAG with LangChain2 课时
🎬Introduction to LangChain视频
ℹ️Production RAG Toolbox信息
9RAG with LangChain18 课时
🎬LangChain Core Constructs视频
🎬LangChain 架构层次视频
🎬Chat Models-深入视频
🎬Prompt Templates-高级技巧视频
🎬Output Parsers-实战视频
🎬Retrieval-向量存储视频
🎬Document loaders视频
🎬Langchain Expressio Nlanguage LCEL视频
🎬Langsmith视频
🎬Code Examples视频
🎬Agents & Tools视频
🎬Memory 系统视频
🎬LangChain与外部数据源的集成视频
🎬SQL 数据库集成视频
🎬REST API集成视频
🎬Monitoring and Visibility with LangSmith视频
🎬LLMs Overview视频
🔬Project:Building and Sharing your First RAG QA Application with LangChain实验
10RAG Evaluation10 课时
🎬RAG Review视频
🎬Traditional Retrieval Evaluation Metrics视频
🎬LLM Generation Evaluation Metrics视频
🎬RAG Evaluation1视频
🎬RAG Evaluation Frameworks视频
🎬RAGAS evaluation Metrics视频
🎬Metrics: Context Recall, Context Precision, Answer Relevancy, and Faithfulness视频
🎬RAGAS代码实操视频
🎬Langfuse视频
🎬RAG Asessment (RAGAS) Framework 2视频
11RAG Evaluation1 课时
ℹ️RAG Evaluation Toolbox信息
12Agent Application with LangGraph4 课时
🎬Agents视频
🎬The Reasoning-Action (ReAct) Framework视频
🎬Search and Retrieval with Tools (Function Calling)视频
🔬Project:Building a production-grade Agentic RAG Application实验
13Agent Application with LangGraph1 课时
ℹ️Production Agents Application Toolbox信息
14Multi-Agent Applications10 课时
🎬Multi-Agent Systems视频
🎬Network of Agents视频
🎬Supervisor Agent Approach视频
🎬Hierarchical Supervisor Systems视频
🎬Communication Mechanisms in Multi-Agent Systems视频
🎬What is LangSmith视频
🎬Agent Demo展示视频
🎬Hierarchical, Multi-Agent Collaboration, Agent Supervision视频
🎬Multi-Agent Frameworks: AutoGen, CrewAI视频
🔬Project:Building a Multi-Agent RAG Application with LangGraph实验
15Multi-Agent Applications1 课时
ℹ️Multi-Agent Application Toolbox信息
16Model Context Protocal(MCP)8 课时
🎬Introducing the Model Context Protocol(MCP)视频
🎬MCP Server视频
🎬解读原码视频
🎬Integrating MCP (Mixture of Content Providers) into AI Engineering视频
🎬Building a MCP Project 01视频
🎬Building a MCP Project 02视频
🎬Deep agents 01视频
🎬Deep agents 02视频
17Synthetic Data Generation12 课时
🎬What is a Prompt and Why Does lt Matter?视频
🎬How to Design an Effective Prompt?视频
🎬Prompt Templates & Parameter Tuning1视频
🎬Prompt Templates & Parameter Tuning 2视频
🎬Data Generation & Fine-Tuning视频
🎬Selecting the Right Data for Fine-Tuning视频
🎬Understanding Model Alignment and Compliance视频
🎬Using Prompts to Generate Alignment Data视频
🎬Real-World Applications of Model Alignment视频
🎬Methods for Evaluating Data Quality视频
🎬Test Data Generationfor RAG: In-DepthEvolution视频
🔬Custom Synthetic Test Data Generation for RAG Evaluation实验
18Synthetic Data Generation1 课时
ℹ️SDG Toolkit信息
19Fine-Tuning Embedding Models16 课时
🎬Why LLM Fine Tuning视频
🎬What is model training视频
🎬What is LLM Fine Tuning视频
🎬大模型微调方法视频
🎬How to fine tune LLM视频
🎬练习视频
🎬Downloading Open-Source Model Weights视频
🎬Loading LMs on GPU视频
🎬为什么要使用 Sentence Transformers?视频
🎬准备工作视频
🎬语义检索视频
🎬Retrieve & Re-Rank-检索和重新排序视频
🎬聚类(Clustering) : 归类相似的文本视频
🎬多语言与多模态视频
🎬模型性能视频
🔬Project:Fine-Tuning Embedding Models for RAG using LlamaIndex实验
20Fine-Tuning Embedding Models1 课时
ℹ️Embedding Fine-Tuning Toolkit信息
21Fine-Tuning Open-Source LLMs with Low-Rank Adaption13 课时
🎬Fine-Tuning Large Language Models视频
🎬Why Fine-Tuning?视频
🎬Types of Fine-Tuning视频
🎬LORA (Low-Rank Adaptation)视频
🎬Parameter Efficient Fine-Tuning (PEFT)视频
🎬The “Problem“ with LLMs视频
🎬Memory Constraints视频
🎬Introduction to Quantization视频
🎬Types of Data Representations in Al视频
🎬How Quantization Works?视频
🎬Asymmetric Quantization视频
🎬Model Quantization in Practice视频
🔬Project:Fine-Tuning Llama 3.1 with PEFT-QLoRA实验
22Career Coaching1 课时
🎬Linkedin & CV 2024.12.08视频
查看完整课程大纲
NotionCourse Detail
课程详情Course Detail
Why DevOps

为什么选择{{AI Engineer视频自学班}}

行业洞察AI Engineer 视频课程为你提供最完整、最实用、最符合行业需求的 AI 工程学习路径。课程内容由一线大厂工程师设计,涵盖从基础原理到企业级应用的全链路技能,让你能够真正构建可部署、可扩展、可维护的 AI 系统。相比零散的网络教程,本课程的体系更完整、路线更清晰,知识点紧贴最新的行业趋势与企业招聘标准。更重要的是,你可以完全按照自己的节奏学习,增加自己的简历竞争力与职场优势。 ...

Roadmaps

学习路线图

课程包含的系统设计项目和学习路线

📚

AI Engineering

进阶
26 个知识点
Loading...
Target Audience

谁应该参加我们的AI Engineer核心技术实战课

- 工作忙、时间零散,但想系统学习 AI 工程的人
- 想先自学一遍,再决定是否进入 Bootcamp 的人
- 自驱型学习者(喜欢自己推敲、边学边敲代码)
- 想转型 AI Engineer 但预算有限的学习者
- 想把课程当“长期技术手册”的人

分享此页面

AI Engineer核心技术实战课 分享给朋友

LIVE CLASS

我们如何线上上课的

  • 灵活的学习交流时间:随时随地进入课堂
  • 沉浸式学习环境:通过虚拟空间创建了一个高度互动和沉浸式的学习环境。学生可以在虚拟教室、实验室和会议室中进行交流和合作,增强了参与感和实际的课堂体验。
线上上课
线上社群
SOCIAL

线上学习减少孤单感

  • 减少学习孤单感:看看还有谁和你在学习,找到志同道合的学习伙伴,共同进步。
  • 提升社交能力:虚拟环境中,学生可以自由结交新朋友,进行社交互动。这有助于提升学生的社交能力和团队协作精神,特别是对内向或害羞的学生来说,虚拟环境提供了一个更舒适的交流平台。
PROJECT

我们如何讨论项目?如何团队做项目

  • 快速建立紧密的团队协作氛围:更高效真实的进行讨论
  • 即时反馈和支持:教师和助教实时观察学生的学习情况,提供即时的反馈和支持。这种即时反馈机制有助于及时解决学生的问题,增强学习效果。
团队讨论