教程中心
共 30 页，第 12 页
低代码AI平台与AutoML完全教程
本教程全面讲解低代码AI平台与AutoML技术，涵盖主流平台对比（Google AutoML、Azure ML、SageMaker、H2O、PyCaret）、AutoML核心原理（神经架构搜索、超参数优化、自动特征工程）、数据准备自动化、模型评估与解释、无代码AI应用构建（Streamlit/Gradio）、MLOps自动化流水线等内容，包含完整的PyCaret实战案例，帮助开发者快速掌握AI民主化工具。
AI辅助写作与内容创作完全教程
本教程全面讲解AI辅助写作与内容创作的核心技术与实战方法，涵盖ChatGPT/Claude/Jasper等主流工具对比、营销文案/技术文档/学术论文/小说创意等场景写作策略、Prompt模板设计（角色/风格/结构/语气控制）、长文写作策略（大纲→扩写→润色）、SEO内容优化、多语言内容生成、图文结合工作流、内容质量评估体系、版权与伦理考量，并通过实战案例构建自动化内容生成系统。
AI Agent工具生态与Function Calling完全教程
本教程系统讲解AI Agent工具生态与Function Calling的核心技术和实战方法。涵盖Function Calling原理与架构、OpenAI和Anthropic工具调用详解、自定义工具开发规范、工具描述Schema设计最佳实践、多工具编排与并行调用、MCP协议与工具生态、LangChain和CrewAI框架集成、工具安全与权限控制。通过实战案例带你构建一个具备天气查询、搜索、文件操作、计算等能力的多功能AI Agent。
AI驱动的数据分析与商业智能完全教程
本教程系统讲解AI驱动数据分析与商业智能的完整技术栈，涵盖Text-to-SQL自然语言查询、AI辅助数据清洗与预处理、自动化探索性分析（EDA）、AI智能可视化推荐与配色、异常检测与根因分析、预测分析与趋势预测、AI报告自动生成、数据治理与质量监控等核心内容，通过实战案例帮助开发者构建AI驱动的BI看板，实现从传统BI到AI BI的升级。
向量检索与Embedding技术深度完全教程
本教程深入讲解向量检索与Embedding技术的核心原理与实战应用，涵盖向量空间相似度度量、主流Embedding模型深度对比（OpenAI/Cohere/BGE/E5/GTE/Jina）、近似最近邻算法（HNSW/IVF/PQ/SCANN）、向量数据库选型（Milvus/Qdrant/Weaviate/Chroma/Pinecone/FAISS）、混合检索架构、重排序策略、多语言多模态Embedding、Embedding微调与领域适配、检索质量评估等核心内容，帮助开发者构建高性能语义检索系统。
AI知识图谱与图神经网络完全教程
本教程系统讲解AI知识图谱与图神经网络的核心概念、技术方法和实战应用。涵盖知识图谱构建流程、图数据库选型（Neo4j/Nebula Graph）、GCN/GAT/GraphSAGE等图神经网络模型、Node2Vec/TransE图嵌入技术、GraphRAG与LLM结合、以及金融/医疗/电商领域的知识图谱应用案例。通过实战案例带你从零构建领域知识图谱并接入大语言模型。
AI产品设计与商业化完全教程
本教程系统讲解AI产品从设计到商业化的完整知识体系，涵盖AI产品思维（AI-first vs AI-enhanced）、用户需求分析与可行性评估、产品设计原则（期望管理/错误处理/人机协作）、MVP设计与快速验证、定价策略（按量/订阅/混合）、数据飞轮与网络效应、竞品分析与差异化定位、AI伦理与合规、增长策略（PLG/SLG/社区驱动）、融资与商业模式画布，并通过完整的实战案例帮助创业者和产品经理掌握AI产品的全生命周期管理。
大模型训练分布式计算完全教程
本教程系统讲解大模型分布式训练的核心技术，涵盖数据并行（DDP/FSDP/ZeRO）、模型并行（Tensor/Pipeline）、专家并行（MoE）、3D并行策略，深入解析DeepSpeed和Megatron-LM框架，详解混合精度训练、梯度优化、通信优化等关键技术，并提供用DeepSpeed训练7B模型的完整实战案例。面向有一定基础的AI开发者，帮助掌握大规模模型训练的工程实践。
AI安全攻防与红队测试完全教程
本教程系统性讲解AI安全攻防核心技术，涵盖提示注入攻击（直接/间接/多轮）、越狱技术（角色扮演/编码绕过/多语言攻击）、对抗样本生成、模型窃取与数据提取攻击、防御策略（输入过滤/输出检测/系统提示防护）、红队测试方法论与自动化工具（Garak/PyRIT/ART）、安全评估基准（HarmBench/TruthfulQA），附完整代码示例和红队测试平台实战构建。
大模型幻觉检测与事实性验证完全教程
本教程系统性地讲解大语言模型幻觉检测与事实性验证的核心技术，涵盖幻觉类型与成因分析、基于知识库/模型/规则的检测方法、RAG增强事实性验证、自我一致性检查、链式验证（CoVe）、FactScore/Fava等事实核查工具、知识图谱验证、引用溯源、幻觉缓解策略，并通过实战案例帮助构建完整的LLM事实性验证系统。
