跳转至

推荐课程：按缺口学习

不要按“收藏数量”或星级选择课程。先判断当前缺的是基础概念、模型使用、研究能力还是工程实践，再只学能解决这个缺口的章节。

第一步：补深度学习基础

D2L：动手学深度学习

适合你，如果：卷积、注意力、Transformer、训练与推理的关系还不清楚。

优先学习：数据处理、计算机视觉、注意力与 Transformer；无需从第一页顺序读完。

完成标志：能用自己的话解释 self-attention，并修改一个 Notebook 的输入或模型设置观察变化。

第二步：建立大模型与开源生态概念

LLM 与智能体中文教程

适合你，如果：需要中文材料建立 LLM、Prompt、Agent 与多模态模型的总体认识。

完成标志：画出“输入—模型—输出—评测”的流程，并列出当前项目真正用到的三个概念。

Hugging Face Learn

适合你，如果：需要学习 Transformers、计算机视觉或开源模型的官方工作流。

完成标志：跑通一个与课程项目直接相关的官方示例，并记录版本、配置和结果。

第三步：提升研究与系统能力

Stanford CS336

适合你，如果：已经能使用模型，希望理解训练、数据、系统优化与评测如何共同决定结果。

完成标志：选择一个单元，写出它会怎样改变你当前实验的设计或解释。

Stanford CS146S

适合你，如果：希望提升 AI 辅助开发、验证、测试与软件交付能力。

完成标志：把一种开发方法用于当前仓库，并用测试或人工检查说明它是否真正改善了结果。

扩展方向：智能体

Hello-Agents

只有在完成当前文档理解主线后，再用它探索工具调用、记忆、MCP 和多智能体。学习成果应是一个可运行的小 Agent，而不是概念摘抄。

课程选择规则

  • 当前任务没有直接受益的章节，先不学。
  • 每次只选一个最小单元，并提前写下预期产出。
  • 看完必须留下代码、图解、实验结果或决策说明之一。
  • 两周后无法复述或复用的笔记，需要改成问题卡或小实验。

谭国平教授承担的课程

链接核对日期：2026-08-07