学习机器学习、深度学习的基础概念，了解监督学习、无监督学习及常见算法的应用场景。
深入理解 Transformer 架构、Token 机制、预训练与微调（Fine-tuning）逻辑，建立对生成式 AI 的底层认知。
掌握 Prompt Engineering 技巧，学习如何设计 AI 原生应用的交互流程（LUI）以及处理模型幻觉。
学习数据清洗、标注流程，掌握准确率、召回率、F1 分数以及针对 LLM 的人工评价与自动化评估方法。
探索检索增强生成（RAG）技术与智能体（Agent）的开发模式，学习如何规划复杂任务的拆解与多工具调用。
分析 AI 产品的商业模式、算力成本核算，并深入了解数据安全、隐私保护及伦理合规相关政策。
用 AI 创建个性化课程，获得互动式课程和进度追踪。