机器学习基础
- 监督与无监督学习
- 训练、验证、测试
- 损失与优化
- 过拟合
- 公平与偏差
AI INDUSTRY ACADEMY / 24 WEEKS从会做内容，
从会做内容，
到真的懂 AI。
这不是新闻速览。你将系统学习技术原理、产品工程、研究评测、产业商业与专家表达，并用 24 个真实交付物证明自己已经掌握。
成为 AI 行业专家，需要十块知识拼图
不是每一块都要成为工程师，但必须知道关键概念、证据标准和判断边界。
大模型原理
- Token 与上下文
- Transformer
- 预训练与对齐
- 推理
- 幻觉与评估
RAG 与 Agent
- Embedding
- 检索与重排
- 工具调用
- 规划与状态
- 可观察性
多模态与生成媒体
- 视觉语言模型
- 语音与音乐
- 图像与视频生成
- 跨模态检索
- 内容溯源
AI 产品与工程
- 问题定义
- 模型与路由
- 延迟与成本
- 上下文工程
- 上线与监控
研究与评测
- 来源层级
- 任务型评测
- 基准污染
- 对抗测试
- 可复现记录
安全与可靠性
- 提示注入
- 最小权限
- 数据外泄
- 人工审批
- 事件响应
产业与基础设施
- 芯片与算力
- 基础模型
- 数据与能耗
- 开发平台
- 应用商业模式
治理与风险
- 版权
- 隐私
- 数据来源
- 生成内容标识
- 安全与责任
专家表达
- 概念解释
- 产品拆解
- 趋势判断
- 人物访谈
- 方法公开
当前必须补齐的八个专业判断
核验日期 2026-10-03。这里只保留能跨产品复用的判断；具体模型能力、价格和平台规则仍以发布当日官方说明为准。
推理能力要用任务评测，不用厂商总榜替代
为自己的真实任务建立样本、评分规则、失败类型和成本记录。
一手来源：NIST AI RMF ↗多模态内容必须同时治理输入权利与输出溯源
分别记录图片、音频、视频的来源、许可、人工修改和生成工具。
一手来源：C2PA Specifications ↗Agent 的新增风险来自工具权限和外部内容
把提示注入、越权调用、数据外泄和不可逆动作纳入测试。
一手来源：OWASP GenAI Security ↗协议解决连接，不自动解决信任
使用 MCP 等协议时仍需校验服务器、工具描述、参数和用户授权。
一手来源：Model Context Protocol ↗模型卡和系统卡是内容研究的一手入口
记录训练与评测范围、限制、许可证、发布日期和后续修订。
一手来源：Hugging Face Model Cards ↗安全评测必须覆盖正常任务、误用和对抗输入
不要只测试成功率；同时记录拒答、错误执行、恢复和人工接管。
一手来源：MITRE ATLAS ↗生成内容标识已经成为产品与发布流程问题
在导出、发布和归档环节保留显式标识、隐式信息和更正记录。
一手来源：中国网信部门 ↗产业判断应把效果、算力、成本和能源放在一起
比较产品时同时记录单位任务成本、延迟、资源约束和可持续性。
一手来源：MLCommons Benchmarks ↗每周学一个核心问题，交付一个真实作品
“已完成”只代表你真的做出了交付物，并能对照标准解释为什么合格。
WEEK01基础
建立 AI 全景地图
区分 AI、机器学习、深度学习、生成式 AI、大模型与 Agent。
- 本周交付
- 一张 AI 概念关系图
- 通过标准
- 能用 3 分钟讲清六个概念之间的关系
WEEK02基础
模型如何学习
理解数据、特征、标签、损失、训练和测试。
- 本周交付
- 一篇“模型训练不是背答案”的解释稿
- 通过标准
- 至少包含一个正确例子和一个错误例子
WEEK03基础
神经网络与 Transformer
理解层、参数、注意力和上下文，不追求公式推导。
- 本周交付
- 6 页原理轮播
- 通过标准
- 每页只解释一个概念，最后明确局限
WEEK04基础
评估、偏差与失败
识别过拟合、数据偏差、错误指标和不可复现结论。
- 本周交付
- 一次公开模型结果的事实核验
- 通过标准
- 区分事实、厂商主张、媒体转述和你的推断
WEEK05大模型
Token、上下文与生成
理解语言模型的输入、预测和上下文限制。
- 本周交付
- 一篇大模型生成机制解释
- 通过标准
- 不用“像人一样思考”等误导表述
WEEK06大模型
提示、结构化输出与工具
把复杂任务拆成输入、约束、示例、格式和验收。
- 本周交付
- 一个研究到提纲的提示流程
- 通过标准
- 输出可检查，且包含人工核验点
WEEK07大模型
Embedding 与 RAG
理解切分、向量检索、重排、引用和失败模式。
- 本周交付
- RAG 工作流程图与故障表
- 通过标准
- 能解释召回错误和生成错误的区别
WEEK08大模型
Agent、工具与协议
理解目标、状态、计划、工具、观察，以及 MCP 等协议解决的连接问题和新增的信任边界。
- 本周交付
- 一个带权限和人工确认点的本地 Agent 方案
- 通过标准
- 明确工具权限、外部输入、失败路径和哪些动作必须人工确认
WEEK09产品
从用户问题到 AI 方案
判断问题是否真的需要 AI，以及失败的代价。
- 本周交付
- 一张 AI 产品机会画布
- 通过标准
- 包含用户、任务、替代方案、价值和不使用 AI 的方案
WEEK10产品
模型路由、成本与延迟
理解效果、速度、成本、隐私、上下文长度与可控性的取舍。
- 本周交付
- 三种实现路线和降级策略决策表
- 通过标准
- 结论有场景条件、测试样本和预算，不用“最强模型”代替决策
WEEK11产品
隐私、安全与可靠上线
识别敏感数据、提示注入、工具越权、错误输出和监控需求。
- 本周交付
- 信任边界、人工兜底与事件响应清单
- 通过标准
- 每个高风险点都有预防、发现、阻断和恢复动作
WEEK12产品
完成一次产品拆解
把用户价值、技术路径、商业模式和风险放在同一张图里。
- 本周交付
- 一篇 1500 字 AI 产品拆解
- 通过标准
- 至少引用三个一手来源并说明未知项
WEEK13研究
建立一手来源系统
学习使用论文、官方文档、代码仓库、发布说明和访谈。
- 本周交付
- 30 个可信来源清单
- 通过标准
- 每个来源标注类型、作者、日期和适合回答的问题
WEEK14研究
读懂一篇论文
抓问题、方法、数据、结果、限制，不被摘要带着走。
- 本周交付
- 一张论文阅读卡
- 通过标准
- 能指出论文没有证明什么
WEEK15研究
设计一次任务型评测
统一任务、环境、样本、指标、盲评方法，并检查基准污染和利益关系。
- 本周交付
- 三工具评测方案与评分说明
- 通过标准
- 评测条件公开、样本覆盖正常与对抗场景，别人可以复现
WEEK16研究
完成原创评测
执行测试、保存原始结果、报告方差、失败样本和结论边界。
- 本周交付
- 一篇完整横评、原始记录与失败案例集
- 通过标准
- 结论与证据对应，不把单次结果推广到所有场景
WEEK17表达
解释一个复杂概念
用地图、比喻、例子和反例降低理解门槛。
- 本周交付
- 一篇概念解释代表作
- 通过标准
- 目标用户能正确复述核心概念
WEEK18表达
拆解一个真实产品
从用户任务、产品路径、技术约束和商业价值进行分析。
- 本周交付
- 一篇产品拆解代表作
- 通过标准
- 不是功能罗列，包含判断和证据
WEEK19表达
形成一次趋势判断
区分事件、短期变化和结构性趋势。
- 本周交付
- 一篇有时间范围的行业判断
- 通过标准
- 包含反例、未知项和判断失效条件
WEEK20表达
建立固定栏目
为一个细分问题形成稳定承诺、结构和证据标准。
- 本周交付
- 栏目说明书与首批 10 题
- 通过标准
- 十个题不重复，且共同建立同一种专业认知
WEEK21影响力
发布四种代表作
组合解释、教程、横评和观点，构成专业证据。
- 本周交付
- 4 篇代表作目录
- 通过标准
- 每篇承担不同任务且互相引用
WEEK22影响力
跨平台建立专业认知
保留判断和证据，重新设计平台版本。
- 本周交付
- 一题四平台内容包
- 通过标准
- 不是机械搬运，格式与互动均适配
WEEK23影响力
公开方法与边界
把判断标准、来源、利益关系和更正方式公开。
- 本周交付
- 个人研究与内容方法页
- 通过标准
- 别人能理解你如何得出结论并复查来源
WEEK24结业
完成专家级结业项目
围绕一个细分赛道完成研究、作品和公开答辩材料。
- 本周交付
- 行业专题 + 代表作 + 方法附件
- 通过标准
- 通过证据、准确、解释、原创和实用五项验收
专家不是知道得多，而是能稳定产出这六类证据
每一种输出都对应不同的专业能力，也能直接成为你的代表作。
概念解释
标准结构常见误解 → 正确定义 → 工作机制 → 例子 → 边界
验收结果读者能复述，而不是只觉得“听起来懂了”
工具横评
标准结构统一任务 → 评测条件 → 原始结果 → 反例 → 适用人群
验收结果别人可以复现你的过程
产品拆解
标准结构用户任务 → 产品路径 → 技术选择 → 商业模式 → 风险
验收结果有判断，不是功能说明书
论文解读
标准结构研究问题 → 方法 → 数据 → 结果 → 没证明什么
验收结果不夸大摘要，不隐藏限制
趋势判断
标准结构事实 → 变化 → 影响对象 → 时间范围 → 失效条件
验收结果未来可以回看并判断对错
完整教程
标准结构目标 → 条件 → 步骤 → 验证 → 故障 → 清单
验收结果零基础用户可以照着复现
FINAL CAPSTONE / 结业项目
围绕一个细分赛道，完成一份可以公开接受质疑的行业专题。
交付必须包含：赛道地图、10 个一手来源、一次原创评测、两篇代表作、平台内容包、方法与利益披露。
- 01
证据关键结论可以追溯
- 02
准确事实、观点和推断分开
- 03
解释零基础用户能够理解
- 04
原创有自己的测试或判断
- 05
实用读者知道下一步怎么做
优先使用官方课程、标准与一手资料
资源入口于 2026-10-03 核验；外部内容会变化，学习前重新查看版本、课程说明与许可证。
基础
Google Machine Learning Crash Course
↗实践机器学习概念、练习与生产系统基础
fast.ai Practical Deep Learning
↗Agent面向有少量编程基础的实践型深度学习课程
Hugging Face Agents Course
↗论文Agent 原理、框架、RAG、评估与项目
arXiv cs.AI
↗开源人工智能论文一手入口；阅读时检查版本与日期
GitHub Trending
↗模型观察开发者关注方向，不把榜单当作质量结论
Hugging Face Models
↗评测查看模型卡、许可证、任务与社区记录
NIST AI Risk Management Framework
↗安全建立 AI 风险识别、衡量、管理和治理框架
OWASP GenAI Security Project
↗攻防提示注入、敏感信息、供应链和 Agent 安全风险
MITRE ATLAS
↗协议AI 系统攻击技术、缓解措施与案例知识库
Model Context Protocol
↗溯源Agent 与外部数据、工具连接的开放协议规范
C2PA Specifications
↗基准数字内容来源与编辑历史的技术规范入口
MLCommons Benchmarks
↗训练、推理与系统性能的开放行业基准