从OpenAI专家和人工智能领域吴恩达教授的《Prompt Engineering》课程出发,本章将带您深入了解提示词编写的核心原则和策略,确保您能够与AI模型进行高效、准确的交互。
介绍如何利用AI工具StableDiffusion/ChatGPT的DallE进行绘图,分享与大语言模型的梦幻联动技巧,以及如何优化绘图效果。
本课系统性地讲解了COZE平台的整体架构与核心功能模块,重点剖析了大模型的迭代升级策略与插件系统的更新机制。课程特别针对个别关键节点(如代码节点、SQL自定义节点)进行了解析,帮助学员迅速掌握平台核心技术要点。通过理论讲解与实操演示相结合的方式,使学员能够快速理解COZE平台的运作原理与应用技巧。
本章系统地讲解了 JSON 和 Markdown 两大核心技术(作为自定义机器人开发的必备基础),深入剖析了 COZE 开发中的枢纽——“工作流”的基本架构和应用方法。
本章将带你走进AI赋能下的小程序开发新时代。你将了解传统开发与AI辅助开发的巨大差异,掌握AI如何提升开发效率,并抢先预览本课程的明星项目——AI驱动的小红书小程序。无论你是新手还是进阶开发者,都能在这里找到专属的学习资源和环境配置建议,为后续高效学习打下坚实基础。
本章全面揭秘Cursor这款开发神器,助你效率飙升300%。你将学会AI结对编程、极速环境配置、模型定制、代码模板生成、版本管理、智能补全、UI设计转码等核心技能。通过实战演练,快速掌握多轮对话、规则引擎、提示词工程等进阶用法,让Cursor成为你不可或缺的AI开发助手。
本章聚焦微信小程序开发的核心基础。你将系统学习开发环境搭建、生命周期管理、路由切换、数据状态管理、调试技巧与组件开发。通过理论与实战结合,帮助你快速掌握小程序开发的底层逻辑与高效实践,为后续复杂项目开发打下坚实基础。
手把手带你完成Dify智能体引擎的私有化部署及OpenAI等模型的集成。通过实操安装、配置、运行流程,建立本地AI开发环境,掌握实际搭建AI平台的第一步技能。
本章深入探索DeepSeek模型,介绍其优势与注册使用方法,并逐项剖析高效搜索、智能推荐、蒸馏模型等关键功能。详解API调用与Token机制,全面提升模型理解与应用能力。
本章以计算器为引,从安装Python与VSCode起步,教你首次对话Python;掌握加减乘除、变量命名、数据类型与注释,再学美化输出、类型转换,终实现身高体重计算器,奠定Python基石
本章聚焦条件分支:先学数字大小比较,再握if真假的判断,掌握多条件组合,终用BMI实例串联知识,让你能写智能程序。
本章带你走进循环世界:学会让程序重复执行、按步骤运行,掌握单次循环的跳出技巧,进阶数学运算,最终用循环打造高效基础计算器。
本章教你让机器人“会说话”:用字符串格式化输出漂亮文本,掌握查找与替换技巧,学会判断成员是否存在,最终开发聊天机器人程序。
本章解锁Python高阶容器:列表的增删改查与for遍历,元组的不可变特性,字典的键值魔法,用“魔法读心术”实战演练,让数据操作更灵活强大。
本章教你用函数封装 BMI 计算,掌握参数类型、返回单值与多值技巧,终写多人版 BMI 计算器,让代码复用、简洁又高效。
本章速览大语言模型:从概念、企业价值到ChatGPT实践,解析LLM重塑软件的方式,厘清Agent交互与行业名词,为AI开发奠基。
本章带你初窥LLMOps:从LLM到Agent演进,用Dify与Coze快速演示开发、工作流编排与本地部署技巧,拆解需求,助力大模型真正落地。
本章教你用ChatGPT加速学习:获取OpenAI与DeepSeek密钥,Playground调参,Cursor、Claude Code高效编码,定制提示词,轻松提效开发。
本章将学习AI智能体的基础概念、核心特效、分层标准及技术架构,通过这些基础知识的学习让同学们对智能体建立基本认知和了解。
本章将学习如何调动AI智能体的大脑大语言模型,我们将使用LangChain框架,分别调用本地部署的Ollama大模型和阿里云百炼平台部署的通义千问大模型。
本章将学习如何利用AI智能体调用自定义工具,过程中我们还将应用LangChain的核心库prompts掌握构建文本提示词、对话提示词和少样本提示词,并借助LangChain的链式调用能力构建更复杂的智能体
本章速通AI数学基石:从标量到张量,用Numpy创建与保存矩阵,实战图像增强、解方程组、求特征值,并SVD分解图像,筑牢线性代数功底。
本章用Python速通AI微积分:求导初等函数与激活函数,绘图直观展示;实战二维切线、三维切面,轻松理解微分与积分
本章聚焦链式求导:从一元到多元复合函数,用Python逐步拆解梯度,为反向传播奠基,让神经网络训练不再神秘。
本章手推反向传播,用Python实现神经网络梯度下降,并制作二维、三维动画,让损失曲面与梯度流动一目了然,掌握深度学习训练知识。
本章学习概率:模拟随机实验,绘PMF图,算期望方差协方差;再现常见分布,投硬币验证大数定律,中心极限定理可视化,夯实AI概率基石。
本章概览机器学习:定义、必要性与发展脉络,从符号学习到深度学习,用Python回顾里程碑,助你建立AI算法大视野。
本章聚焦特征工程:厘清特征概念,学习标签编码,特征选择,更好了理解机器学习特征。
本章速览机器学习任务:区分回归与分类,有监督线性回归、无监督,让你一眼锁定算法地图。
选课、学习遇到问题?
扫码添加指导老师 1V1 帮助你!
添加后老师会第一时间解决你的问题