LLM / Agent 工程
做 AI engineer、agent 产品、LLM 应用从 NLP 地基到 agent 工程,再到从零训练语言模型。重点是 eval,而不是只搭 demo。
Stanford University · 2026—27
把 Stanford 分散在 CS、EE、STATS、MS&E、CME、AA、PSYCH、SymSys 的 AI 课程,整理成一张可浏览的地图。55 门核心课深度速览,70 门延伸课,6 条学习路径。
“选课不是集邮。
先看地图,再选路径。”
Stanford ML 旗舰课:用概率和统计把监督学习、无监督学习和学习理论串成一套完整框架。
查看课程 →NLP 从 word2vec 到 LLM 的核心课:作业实现 word2vec、RNN、注意力,最后做一个 LLM 项目。
查看课程 →CV 领域最有名的深度学习课:从 kNN 到 Transformer,作业是自己手写反向传播并训练 CNN。
查看课程 →从零造一个语言模型:数据清洗、tokenizer、Transformer、训练、scaling、eval、部署。
查看课程 →把 LLM 变成能查、能推理、能执行长任务的 agent:RAG、工具、知识库、形式化方法、长程规划。
查看课程 →从 LLM pipeline 到 compound AI system 再到 autonomous agent 的工程方法论:选问题、拆解、选组件、做 eval。
查看课程 →AI4Science 前沿讲座:每周一位 Stanford 教授讲 AI/数据如何推进自己的科学领域。
查看课程 →机器人学基础:运动学、静力学、动力学、规划、控制。
查看课程 →没有匹配的课程。
从 NLP 地基到 agent 工程,再到从零训练语言模型。重点是 eval,而不是只搭 demo。
先把监督学习、无监督学习和学习理论打通,再选一个方向做深。
识别 → 生成模型 → 3D 表示/渲染,形成完整的视觉与图形栈。
运动学与控制 → 自主系统 → 学习与操作 → 具身研究。
从 ML 系统设计到推理 serving,再到加速器与网络。
ML 基础 → 领域数据 → 医疗/生物 FM → 前沿讲座。
中英字幕(第三方搬运)
课程页 · B站链接 → CS 224N 自然语言处理与深度学习2024 春 · 中配(第三方)
课程页 · B站链接 → CS 224R 深度强化学习2026 春 · 深度强化学习(第三方搬运)
课程页 · B站链接 → CS 224W 图机器学习2021 秋 · 中英字幕(第三方)
课程页 · B站链接 → CS 229 机器学习2026 春 · 中英双语(第三方)
课程页 · B站链接 → CS 230 深度学习2025 秋 · 中配(第三方)
课程页 · B站链接 → CS 231N 计算机视觉的深度学习2025 春 · 中配(第三方)
课程页 · B站链接 → CS 234 强化学习中英字幕(第三方)
课程页 · B站链接 →