合集 | AI应用实战学习总结系列文章

大家好，我是Edison。

2024年底入坑黄佳老师的《AI应用实战课》，过去的两个月来，通过12篇总结笔记记录下我的学习之旅，我个人收获颇多，也很感谢一直在阅读的你。
今天应部分网友的要求，将其整理成目录分享给你。除了对这门课的学习总结之外，还添加了一些我自己整理的相关的文章在这里，作为补充完善。

AI基础与ML入门

人工智能、机器学习、深度学习到底是什么关系？机器学习的本质是什么？
传送门：AI应用实战课学习总结（1）必备AI基础理论
机器学习的起点，必须从SK-Learn框架开始！
传送门：AI应用实战课学习总结（2）hello sk-learn
从一个ML实战开始，有个感性认识好上路！简单回归一下！
传送门：AI应用实战课学习总结（3）预测带货销售额
ML之外，数据可视化也很重要！来可视化一下！
传送门：AI应用实战课学习总结（4）医疗数据可视化
ML核心内容

回归、分类、聚类，它们到底都用来干什么？又有什么区别？

• AI应用实战课学习总结（5）回归分析预测实战
  
• AI应用实战课学习总结（6）分类算法分析实战
  
• AI应用实战课学习总结（7）聚类算法分析实战
  

要做数据可视化，维度高了不好弄，如何降维？

• AI应用实战课学习总结（8）降维算法分析实战
  

ML进阶内容

对于感知类数据，如图片、语音等，更加适合用深度学习来做。深度学习是啥？神经网络又是啥？需要GPU资源有啥好处？

• AI应用实战课学习总结（9）Hello 深度学习
  
• AI应用实战课学习总结（10）用CNN做图像分类
  
• AI应用实战课学习总结（11）用RNN做时序预测
  

LLM基础知识

语言模型的进化驱动着NLP技术的发展，语言模型发展过程中经历了哪些重要里程碑？预训练模型 和 Transformer 又有什么关系？提示词工程又是什么？RAG又是什么？

• AI应用实战课学习总结（12）横空出世的Transformer
  
• LLM大模型基础知识学习总结
  
• 大模型应用开发基础 : 语言模型的关键思路跃迁
  
• 大模型应用开发基础 : 语言模型的重要里程碑
  
• 大模型应用开发基础 : 再探提示词工程
  
• 大模型应用开发初探 : 快速直观感受RAG
  

LLM应用开发

集成LLM开发AI Agent已经成为2025年的共识，Python的Langchain框架是开发Agent的利器。但作为.NET开发者，我更加推荐使用 Microsoft.Extensions.AI 来作为中间层集成LLM，Python主要拿来做模型训练和Inference推理即可，技术栈可以异构各自发挥长处，而不必非要完全统一。

• AI应用开发基座：Microsoft.Extensions.AI
  
• AI语义搜索基座：Microsoft.Extensions.VectorData
  
• 基于Microsoft.Extensions.AI核心库实现RAG应用
  

当然，Semantic Kernel也是.NET开发者应该了解的框架之一！未来 Semantic Kernel也会接入Microsoft.Extensions.AI接口规范，我们主要用Microsoft.Extensions.AI即可。

• .NET 6+Semantic Kernel快速接入OpenAI
  
• 大模型应用开发初探 : 手搓一个AI Agent
  
• 大模型应用开发初探：通用函数调用Planner
  
• 大模型应用开发初探：快速直观感受RAG
  
• 使用MCP C# SDK开发MCP Tool
  

AI Agent编排与集成

目前业界已经涌现了不少低代码Agent开发编排平台，可以方便地创建知识库和AI Agent，特别是Workflow工作流的拖拉拽可以极大降低开发门槛。
因此，也建议你有所了解，比如字节跳动的Coze平台：

• 大模型应用开发初探 : 基于Coze创建Agent
  
• 公众号AI助手：添加了cnblogs历史文章库
  
• 将AI Bot接入微信，做AI对话机器人
  
• AI对话机器人续：将AI Bot接入企业微信
  

目前产品化的AI Agent的形态是如何的？不妨看看西门子Industrial Copilot吧：

• 工控运维智能化：Industrial AI Agents
  

AI学习实践之路漫漫，我也还在继续不断学习，持续更新中！
推荐学习

黄佳，《AI应用实战课》（课程）
黄佳，《图解GPT：大模型是如何构建的》（图书）
黄佳，《动手做AI Agent》（图书）
郑烨，《程序员的AI开发第一课》（课程）
 

作者：周旭龙
出处：https://edisonchou.cnblogs.com
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！