"1. 系统掌握机器学习与深度学习核心理论，包括监督、非监督、半监督学习的典型算法与应用场景。​

2. 深入理解神经网络基础原理，熟悉神经元、激活函数、前向 / 反向传播等核心机制及经典网络结构。​
3. 全面认识 Transformer 架构核心逻辑，掌握注意力机制、多头注意力等关键技术原理。​
4. 明确大模型与传统模型的本质差异，了解稀疏注意力、混合专家模型等前沿技术及模型压缩加速方法。"

“本课程聚焦 AI 大模型的通识基础，为学员构建从机器学习底层理论到大模型前沿技术的完整知识框架。第一章围绕 “机器学习与深度学习理论基础” 展开，系统讲解监督学习（含线性回归、逻辑回归等典型算法及图像 / 文本分类等应用）、非监督学习（K-means 聚类、PCA 等算法与用户分群等场景）、半监督学习的核心逻辑；深入解析神经网络基础，包括神经元结构、激活函数（ReLU、Sigmoid 等）、前向传播与反向传播机制，以及损失函数与优化器（MSE、Adam 等）的作用原理；同时介绍全连接网络、CNN、RNN 等经典网络结构，以及 PyTorch、TensorFlow 等主流深度学习框架，夯实理论基础。​
第二章聚焦 “大模型发展全景与关键技术”，从 Transformer 架构的诞生切入，详解注意力模型、自注意力机制、多头注意力的核心原理，揭示其捕捉长距离依赖、并行计算特征的优势；明确大模型的定义与特点，对比传统模型的本质差异；深入介绍大模型技术突破与前沿趋势，包括稀疏注意力（Longformer、BigBird）降低计算复杂度的机制、混合专家模型（MoE）的动态路由逻辑（GShard、Switch Transformer），以及模型压缩加速的关键方法（量化、知识蒸馏）。通过本课程，学员将建立对 AI 大模型的系统性认知，为后续深入学习与实践奠定坚实基础。​”

1. 订阅成功后，推荐通过“极客时间”App 端、Web 端学习。
2. 本课程为虚拟商品，交付形式为视频，一经订阅，概不退款。
3. 订阅后分享海报，每邀一位好友订阅有现金返现。
4. 戳此先充值再购课更划算，还有最新课表、超值赠品福利。
5. 企业采购推荐使用“极客时间企业版”便捷安排员工学习计划，掌握团队学习仪表盘。
6. 戳此申请学生认证，订阅课程享受原价 5 折优惠。
7. 价格说明：划线价、订阅价为商品或服务的参考价，并非原价，该价格仅供参考。未划线价格为商品或服务的实时标价，具体成交价格根据商品或服务参加优惠活动，或使用优惠券、礼券、赠币等不同情形发生变化，最终实际成交价格以订单结算页价格为准。