LEARN / TUTORIALS

系统教程

从基础概念到实践应用,按章节逐步建立知识体系。

全部方向 · 492 门教程

数据结构与算法

LeetCode 刷题方法:按题型建立解题套路

刷题数量上去了,遇到变式却仍容易卡在建模、边界和复杂度选择。课程按高频题型组织数组、双指针、滑窗、栈队列、树图、二分、贪心、动态规划与回溯,强调识别信号、模板边界和错题复盘,最终能在限时场景中更快选对方法并清楚讲出解法。

数据结构与算法

动态规划:从状态建模到复杂题拆解

动态规划难点不在记住模板,而在把题意准确转成状态、转移、边界和计算顺序。课程从递归搜索与重复子问题出发,逐步覆盖线性、序列、背包、区间、树形、状态压缩与数位 DP,并训练空间优化、方案恢复和错误定位,最终能独立判断题型、完成建模并写出可验证的高效解法。

大模型应用开发

企业知识库智能客服:从 RAG 到上线

企业客服难点不在接入大模型,而在让分散知识可检索、回答有证据、权限不越界、质量可度量。课程围绕 RAG 构建知识加工、混合检索、重排、多轮会话、工具调用、评测与安全链路,并完成可部署、可观测、可回滚的企业知识库客服系统。

AI Agent

LangGraph 智能体工作流:搭建可恢复智能体

复杂智能体加入工具、循环、人工审批和长期记忆后,普通链式调用难以维护。课程以 LangGraph 1.2 与 Python 为基线,从状态图、路由和持久化推进到子图、多智能体、流式执行与部署,最终完成可暂停、可恢复、可观测的智能体工作流。

大模型原理与训练

大模型推理部署与加速:从单卡到集群

大模型上线后,显存、首 Token 延迟、吞吐和多卡通信直接决定成本与体验。课程覆盖显存估算、量化、KV Cache、连续批处理、主流推理引擎、多卡多机、压测与 Kubernetes 部署,学完能完成容量评估、引擎选型和生产调优。

大模型原理与训练

模型蒸馏与量化部署:从压缩到上线

大模型效果达标后,显存、延迟和成本常成为上线瓶颈。课程以 PyTorch 2.x、Transformers 4.x 为基线,覆盖蒸馏、INT8/INT4、GPTQ/AWQ、QAT 与 vLLM/GGUF 部署,完成压缩训练、量化和基准验收。

登录哪都通