AI 工程大师班：100 个实验室到生产 AI

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
级别：所有级别 |类型： 电子学习 |语言： 英语 |持续时间：112 个讲座（8h 8m）

你将学到什么

• 架构师负责从数据提取到生产部署的完整 AI 系统
• 利用机器学习、深度学习、NLP、计算机视觉和法学硕士技术构建企业级 AI 平台
• 掌握 Python、NumPy、Pandas、Scikit-Learn、PyTorch 和现代 AI 工程工作流程
• 开发、优化、部署、保护和监控生产 AI 系统
• 实施 MLOps、Kubernetes、治理、合规性和可观察性实践

要求

无需具备人工智能经验。本课程将带您通过结构化的 100 个实验室之旅，从初学者成长为高级人工智能工程师。

描述

本课程的重点是构建现实世界的生产级人工智能系统，而不仅仅是简单的演示和实验。

现代公司需要可部署、监控、保护、治理、审计和扩展的人工智能解决方案。本课程结合以下内容教授完整的人工智能工程工作流程：

• 数据工程
• 机器学习
• 深度学习
• 计算机视觉
• 自然语言处理
• 大型语言模型工程
• 检索增强生成
• MLOps
• 人工智能安全与治理

该课程包括 100 个精心构建的实验室，指导您从 AI 基础知识到设计完整的企业 AI 生态系统。

里面有什么？

• 模块 1 AI 基础：设置您的 AI 工程环境、学习用于 AI 的 Python、分析数据并构建您的第一个机器学习模型。
• 模块 2 机器学习工程：学习回归、分类、特征工程、模型评估、优化和预测系统。
• 模块 3 数据工程：使用数据库、ETL 工作流程、编排、验证和监控构建生产就绪的数据管道。
• 模块 4 深度学习：掌握神经网络、PyTorch、分布式训练、迁移学习和模型优化。
• 模块 5 计算机视觉：创建图像分类、对象检测、基于 YOLO 的解决方案和边缘 AI 应用。
• 模块 6 自然语言处理：开发语义搜索、嵌入、转换器工作流程、情感分析和 NLP 应用程序。
• 模块 7 大型语言模型工程：学习本地 LLM 部署、量化、结构化输出、工具调用和企业 LLM 工作流程。
• 模块 8 检索增强生成：使用向量数据库、检索策略、评估流程和减少幻觉方法构建 RAG 系统。
• 模块 9 MLOps 工程：使用 Docker、Kubernetes、MLflow、Kubeflow、CI/CD 管道、GitOps 和生产服务工具部署 AI 系统。
• 模块 10 AI 安全、治理和合规性：实施 AI 安全、隐私、可解释性、审计、治理框架和合规实践。

博士级顶点：Lab 100

最终的项目是主权自主智能平台，一个完整的企业人工智能生态系统。

您将集成：

• 数据提取平台
• 功能商店
• 分布式模型训练
• MLflow 跟踪
• 开源 LLM 基础设施
• 矢量数据库
• 企业 RAG 系统
• Kubernetes 部署
• 监控和可观察性
• 安全和治理框架

通过完成本课程，您将了解现代 AI 平台的设计、部署、管理和扩展方式。

本课程适合谁

• 任何想要超越 AI 演示并学习专业 AI 工程技能的人。
• 想要增加 AI、LLM、MLOps 和机器学习专业知识的软件开发人员。
• 想要设计、保护、监控和扩展企业 AI 平台的专业人士。