理解深度学习算法,
并从零开始,
亲手实现大语言模型。

不调用现成大模型 API。学懂算法,让 AI 成为放大你能力的杠杆。

小问题,小步骤,即时反馈,构建知识体系。

  • 从第一行 Python 开始,学会编程。
  • 用一组简单的数据,看清计算过程。
  • 通过直观的小例子,理解数学原理。

无需配置复杂的环境,网页直接实验。

电脑·平板·手机,随时随地学。

感知机及之前的基础课全部免费。先完成一小步,信心就会长出来。

先体验一个简单的教学例子
两部电影,先推荐哪一部?一行 × 一列
1 / 6
你的两项偏好 X1 × 2
12
1

点选数值查看含义,↑↓ 微调

两部电影的特征 W2 × 2
12
12

点选数值查看含义,↑↓ 微调

匹配得分 S1 × 2只读
12
1

行列索引从 1 开始

从左上角开始

取出对应的数字,在这里组成计算。

当前小计
…

输入和权重的数字可以直接修改。点击结果中的格子切换计算;点击下方某一项可重看它。

改一项偏好,看两部电影的匹配得分怎样变化。点击播放,看每个数字从矩阵走到公式。

cici你的专属学习搭子
去 cici 家坐坐

让知识像花香,
自然地流进脑海。

只需要带上一点好奇心。跟着动画和小例子理解原理,专业术语随用随讲,轻松看懂,自然学会。

不用急着背,点开就有人话解释。

Tensor · 张量

把数字按形状排好:一行数字、一张表,或好几张表叠在一起。

Gradient · 梯度

一组调节提示:模型里的数字轻轻变动时,预测误差会怎样变化。

Epoch · 轮次

让模型把准备好的例子完整学过一遍,就完成了一轮。

一节接一节的畅快,比“再刷一集”更有收获。

AI 正在改变生活,
也在重塑千万人的工作。

学懂 AI 算法,抓住时代浪潮中的新机会。从理解原理到亲手实现,把时代的变化,变成自己的机会。

AI 产业报

产业
特刊
2026 · 产业观察特刊模型的价值,正在走出实验室本站新闻选编 · 原文可查

DeepSeek

一纸公告,让模型的价值浮出水面。

手持手机上的 DeepSeek 产品界面,屏幕显示其鲸鱼标志
DeepSeek 产品界面。资料照片发布于 2025 年 1 月。摄影:Solen Feyissa / Unsplash · Unsplash License · 黑白显示

3,200–3,500亿元人民币

公告推算估值区间

每经根据两家上市公司披露的间接投资金额与持股比例,推算 DeepSeek 的估值区间。

开润股份披露,通过基金间接投资 4,000 万元,穿透持股比例为 0.0114%。

汤臣倍健也披露了间接投资:金额 1.3 亿元,对应 0.04% 股权。两份公告,让模型的价值有了公开的观察窗口。

国内大厂 · 模型前沿混元 / 豆包 / Seedance / Qwen3.5

阿里巴巴-通义千问

Qwen3.5 开放权重,多模态模型走向实用。

201种语言与方言

官方披露的语言覆盖

阿里发布 Qwen3.5,首发 Qwen3.5-397B-A17B。它结合线性注意力与稀疏 MoE,支持文本、图像和视频理解。

腾讯

混元 Hy3 preview 发布,走向真实复杂任务。

256Ktoken

官方支持的上下文窗口上限

腾讯发布并开放 Hy3 preview 模型,采用 MoE 架构,已接入元宝、腾讯文档和 CodeBuddy 等产品。

字节跳动 · 豆包

豆包大模型 2.0,面向生产环境升级。

4款模型

Pro / Lite / Mini / Code

豆包大模型 2.0 提供三款通用模型和一款编程模型,面向多模态理解、复杂指令与真实工作流程。

字节跳动 · Seedance

Seedance 2.0 发布,视频创作走向多模态。

15秒

官方披露的多镜头音视频输出能力

Seedance 2.0 支持文字、图片、音频、视频四种模态输入,已上线即梦 AI、豆包等平台。

产业纵深从资本投入,到产品与研发

Waymo

无人驾驶,已经驶进真实的日常订单。

一辆 Waymo 无人驾驶汽车行驶在旧金山街头
Waymo 在旧金山街头。资料照片摄于 2025 年 5 月。摄影:9yz / Wikimedia Commons · CC BY 4.0 · 黑白显示

50 万+次 / 周

公司披露的付费出行规模

Waymo 在欧洲保险合作公告中披露,美国无人驾驶商业服务每周已提供超过 50 万次付费出行。

Isomorphic Labs

让 AI 参与分子设计,探索下一代新药。

21亿美元

B 轮融资金额

公司宣布完成 21 亿美元融资,用于扩展 AI 药物设计引擎,并推进候选药物研发管线。

GitHub Copilot

写代码这件事,正在被 AI 重新塑造。

5,000 万用户

微软财报电话会披露

微软在 2026 财年第四季度电话会上披露,GitHub Copilot 用户数达到 5,000 万。

机会的起点,是看懂原理。把算法变成解决问题的能力。

这些数字,应该怎样读?

数字保留各新闻时点、币种与口径。估值、融资金额、订单量和用户数,不能直接横向比较。标题与摘要由本站整理,原文请点击对应来源。

DeepSeek
媒体依据投资金额和穿透持股比例推算,并非 DeepSeek 自行宣布的估值。
OpenAI
852 billion 美元换算为 8,520 亿美元。这里展示 3 月该轮融资的投后估值,并非实时估值。
MiniMax
1 月 8 日配发公告第 3 页:165 港元 × 309,255,668 股 = 510.27 亿港元。已计发售量调整,未计超额配股;不是首日收盘或当前市值。
Waymo
公司在公告时披露的每周付费出行规模,不能直接当作全年平均或实时订单计数。
Isomorphic Labs
2.1 billion 美元换算为 21 亿美元。这是融资金额,并非估值,也不代表药物已获批上市。
GitHub Copilot
原文披露的是 users,未在该句定义为月活跃用户或付费用户,本页不作这些延伸。
阿里巴巴-通义千问
语言覆盖与模型结构来自阿里官方发布。新闻的 397B-A17B 型号与课程研读的 35B-A3B-Base 型号需要区分,具体配置以对应官方型号为准。
腾讯
这是 2026 年 4 月的 Hy3 preview 发布节点。256K 是上下文窗口上限,不代表所有接入产品都开放相同额度,也不是参数量。
字节跳动 · 豆包
四款指 Pro、Lite、Mini 与 Code,来自官方发布说明。2 月 14 日发布时间与字节 Seed 官方 Seed 2.0 发布博文交叉核对;没有将版本数当作用户量或收益。
字节跳动 · Seedance
15 秒是发布时披露的模型输出能力,不等同于每个产品入口都提供相同的可选时长。四种模态描述输入类型,不是四段素材的数量限制。

资料核对: · 精选历史节点,非实时行情。报纸字库:Noto Serif SC · SIL OFL 1.1。

AI 产业报 · 10 条新闻选编深度学习,从理解到创造

只学写提示词,
难以形成真正的竞争力。

技巧会过时,模板能复制。只会写提示词,远远不够。

Ilya Sutskever

OpenAI 联合创始人、前首席科学家

提示词,是人机交互的过渡手段。

36氪文中转述的观点

36氪 · 适道

只学怎么问,还不够。
更要懂模型为什么这样回答。

学懂原理,亲手实现,积累能迁移的真本事。

从原理开始,免费学第一课

公开观点与报道摘编,不代表嘉宾推荐本课程。学习主张为本站解读。

看懂算法,亲手做模型。

从零理解深度学习,学会搭建、训练和改进模型。

不教工具操作

  • Codex安装与配置
  • WorkBuddy使用技巧
  • 现成大模型API调用

本课专注算法原理与模型实践。

带你理解算法、实现模型

  • 看懂神经网络与大模型
  • 用PyTorch搭建、训练和评估
  • 跟着做图像、文本与生成项目

想学算法本质,就有你的起点。

专业与职业背景不设门槛。看看现在的你,从哪一步开始。

学生、零基础学习者
从第一行Python和小数字开始,先做出结果,再理解原理。
已经会编程的开发者
接上已有经验,把重点放在网络计算、训练与排错。
跨专业、产品与业务岗位
先看动画和具体场景,逐步补齐代码与数学,理解模型能做什么。
用过模型,想补透原理的人
回到张量、注意力与训练过程,把见过的名字接成知识体系。
数学基础生疏,也能从这里开始

轻装上阵,你只需要信心和耐心。编程和数学,用到哪里学到哪里。先看懂一个小例子,再亲手做出一个小结果。

查看课程表,找到起点

感知机及之前的基础课全部免费,先体验,再决定是否深入。

学懂 AI,放大能力。
把想法,变成作品。

沿着一条连贯路线,学会 Python、数学直觉、PyTorch 与大模型原理。每个阶段都能带走代码、实验和可以反复使用的方法。

复杂的算法,
也可以一步一步轻松学。

先看一个问题,再完成一个小步骤。动画帮你看懂,代码让你验证,即时反馈告诉你哪里已经学会。每节都有目标和预计时间,进步看得见。

“近代数学书有两种,
一种看了一页就看不下去,
一种看了第一句话就看不下去。”

杨振宁物理学家

《无题漫谈》 · 2004年5月12日,清华大学中文系讲演

刊于《清华大学学报(哲学社会科学版)》2004年第4期,第1—7页

查看讲演原文(转载)

别让数学,挡住你的好奇心。先用小例子看懂,再在实验中慢慢补齐。

  1. 1

    提出问题

    先弄清今天要解决什么,让每一点新知识都有用武之地。

  2. 2

    动画拆解原理

    看数字怎样一步步计算。暂停、重播、改数,把抽象的原理变成直觉。

  3. 3

    在页面动手实验

    注释放在代码上方。改一个输入,运行后核对真实输出与 shape。

  4. 4

    Q&A 与小作业

    免费查看问答与小作业。用一个小练习整理收获,让知识真正留下来。

再试一个实验:让模型预测下一个字
模型怎么猜出下一个字?
我喜欢?
样本里,它后面接哪个字?次数 / 概率
猫3 / 650%
狗2 / 633%
你1 / 617%

多给一句样本,看它的预测怎样改变。

这是只看前一个字的统计小模型。课程会从这种直觉出发,继续搭建神经网络语言模型。

一条清楚的路线,
轻松学,跟着做。

先把工具用起来,再看懂模型怎样计算和学习。每一步都有小例子,学到的原理,接着就能用到项目里。

  1. 01 · 预备课

    先把工具用起来

    从第一行Python开始,认识PyTorch。编程与数学基础,边用边补。

  2. 02 · 上册

    把原理看明白

    用小数字和动画理解网络,再跟着代码训练图像模型。

  3. 03 · 下册

    走进大语言模型

    下册 · 大语言模型
    下册 · Qwen3.5
    先打通基础与训练,再沿官方源码逐层实现。

  4. 04 · 实战篇

    跟着做业务项目

    把前面的知识接起来,走过数据准备、网络设计、训练与验收。

动画看懂一点,代码验证一点,小实验巩固一点。每次只迈一小步。

大厂业务场景,带着你一步步做。

8个项目串起完整流程。先看看其中两个,学过的算法怎样变成可运行的应用。

01

扫福识别:让相机认出一个“福”字

某支付大厂场景 · 图像识别 · CNN

从准备福字图片到训练分类网络,亲手把一张图变成识别结果。

跟着做扫福识别
准备图片训练网络识别福字
02

弹幕去噪:让有内容的讨论被看见

某视频大厂场景 · 文本分类 · 神经网络

从整理文本到训练分类模型,学习识别无关内容,减少观看干扰。

跟着做弹幕过滤
准备弹幕训练分类辅助过滤

感知机及之前的基础课全部免费,先体验再决定是否深入。以上项目为大厂业务场景的教学复现,具体内容与交付进度见项目章节。

先免费学懂,
再决定走多远。

从零基础开始,先亲手做出结果。向算法研发迈出的第一步,可以免费。

完整免费 · 无需购买

从第一行代码,
到你的第一个感知机。

预备课与感知机及之前的基础课全部免费。动画、讲解、网页实验,一起开放。

不用先证明自己有基础。学会一点,信心就多一点。

学过、做过,再选择你的进阶路线。

想继续深入,再按目标解锁。练习独立训练模型、读懂大模型架构,把理解变成作品。

深度学习上册

从感知机出发,搭建能训练的神经网络。

原价 ¥266优惠价¥199省 ¥67

一次购买 · 长期有效

上册 · 从多层网络到目标检测

  • 多层神经网络、反向传播与训练
  • 模型评估、卷积与池化
  • 图像分类、迁移学习与目标检测
  • 加入班级微信群
  • 参与课程同步答疑
立刻订购

深度学习下册

走进时序模型与大语言模型。

原价 ¥699优惠价¥499省 ¥200

一次购买 · 长期有效

下册 · 从序列模型到语言模型后训练

  • RNN、LSTM 与 Transformer
  • 语言模型、预训练与微调
  • Qwen3.5 架构研读与代码实践
  • 加入班级微信群
  • 参与课程同步答疑
立刻订购

深度学习实战篇

把算法用起来,走完8个业务项目。

原价 ¥499优惠价¥299省 ¥200

一次购买 · 长期有效

实战篇 · 8个完整项目流程

  • 扫福识别、弹幕过滤与视频修复
  • 背景替换、语音识别与商品检索
  • 推荐与文档问答,串起设计和训练
  • 加入班级微信群
  • 参与课程同步答疑
立刻订购

深度学习全课程

83% 的购买用户选择

从基础到模型,再到业务项目。

原价 ¥1464优惠价¥799省 ¥665

一次购买 · 长期有效

上册、下册与实战篇

  • 上册、下册和8个实战项目
  • 算法原理、模型训练与项目设计
  • 三部分单买合计 ¥997,本档省 ¥198
  • 加入班级微信群
  • 参与课程同步答疑
立刻订购

付费章节按课程权益解锁,各章 Q&A 与小作业保持免费。购买前请确认内容范围、交付进度与退款说明。

价格与权益说明

开始之前,你可能想问。

我完全没写过代码,真的可以开始吗?

可以。第一课就能在网页上运行 Python,先改一个数字、看一次输出,再逐步学变量、循环、函数和对象。先做出一个小结果,自信就会跟着长出来。

高中数学之后没再学过数学,会跟不上吗?

跟着课程一步步补即可。先看动画里的小数字,再认识线性代数、导数与概率符号。用到什么再学什么,把难概念拆成可以当场验证的小步骤。

我是非计算机专业,或者已经做其他开发方向,适合吗?

适合大一及以上同学、非计算机专业学生、研究生和在职学习者。Android、iOS、前端、后端、运维、数据库等经验都可以成为起点;已经熟悉的部分可从课程地图直接跳过。

这是教我使用大模型、拼提示词或调用 API 吗?

这门课面向想理解和研发模型的人。从 Python、数据与数学开始,逐步写出前向计算、训练循环、注意力和语言模型,再走进预训练、微调与后训练。每一步都接上前一步,建立自己的知识框架,逐步具备自主研发大模型的能力。

学到最后,能做出什么样的语言模型?

你会从教学规模开始,亲手搭建能生成文字、完成简单问答的微型语言模型,走过数据准备、模型结构、训练、评估和优化流程。这些是继续走向自研语言模型的基础;扩大规模还需要更多数据、算力和工程实践。

页面上能直接实验吗?需要先安装很多环境吗?

可以直接在网页中改代码、运行小实验、查看结果。每个实验会说明支持的用法;完整模型训练另有可下载的工程和操作步骤。

课程会用哪些业务场景来学习?

课程围绕推荐、图像分类、时序预测和语言模型等业务问题展开,用公开资料与可复现的小实验拆解核心算法。每个案例会说明数据来源、简化条件和评估方法,再讨论怎样扩展成解决方案。

担心一开始听得懂,后面就学不下去了。

我们把难点拆成小问题、小步骤和即时反馈。每节先写清时间与目标,再用动画和实验带你验证。卡住了,可以重播、改数、看免费 Q&A;完成一个看得见的小结果,再继续下一步。

这门课能带给我什么长期价值?

把业务问题拆成数据、模型、训练和评估,读懂核心算法,再逐步写出自己的解决方案。无论是在校学习、转向 AI,还是把现有开发经验接上模型研发,这套连贯的知识框架、实验和代码都能成为继续深入的起点。

现在开始,
把 AI 变成你的能力。

从第一行 Python 开始

原来,学习可以这么丝滑。

体验评语示例 · 虚构文案,非真实学员评价,头像为配图。

新手真的很怕装环境,装完热情都没了。内置小实验打开就能做,改错了也能重置。即时反馈对学习的帮助太大了,少一点等待,就多一点想继续的劲头。

陆**软件测试

最喜欢的是网页上就能运行 Python 和 PyTorch 小实验。有个地方没懂,不用先记下来等下班,直接改两行代码、点一下运行,结果马上就出来了。比对着一大段代码猜半天有效多了。

江**后端开发

以前买过不少 AI 书和 PyTorch 教程,B 站的视频也反复看,还是常常跟不上,一直觉得是自己基础太差。这是第一套让我把神经网络系统学明白的课:讲得细,每一步都从简单例子开始,像终于点开了一整棵技能树。再翻以前的书,很多卡住的地方突然就通了。真后悔没早点找到。

温**AI 自学者 · 基础薄弱

地铁上看一小段,晚上再改两行代码。终于不用等那个永远没空的周末了。

林*安产品经理

以前做 Web 前端,页面和业务写得很熟,一到模型这边就不知道从哪开始。收藏了一堆教程,越看越觉得缺的东西太多。这套课从几个数字、一个小网络开始,终于让我把数据、网络和训练接起来了。后来进了一家中型公司做算法工程师,最明显的变化是:遇到问题敢自己拆、自己试了。

陈**算法工程师 · 原 Web 前端

矩阵乘法那段,我是真的看着数字走完才懂的。以前公式里每个符号都认识,合起来就不知道在干嘛。这里先拿小数字讲明白,再给公式,这个顺序对我太重要了。

M** Z**数据分析师

做了几年 iOS,一直想转算法,又舍不得已有的经验。学完才发现,调试、拆问题和做工程的能力都用得上,只是需要补上模型这条线。跟着课程把几个小实验做完整,面试时终于能讲清自己为什么这样设计、结果怎么验证。后来顺利转到算法开发,回头看,最难的其实是开始。

许**算法开发 · 原 iOS 开发

跨专业入门,最感谢的是没有动不动就来一句“显然”。

周*运营 · 跨专业学习者

以前做后台 Java,需求做得再熟,也感觉自己碰到了能力边界。想转人工智能,又担心数学不够、方向选错。这个教程最有用的是让我停下收藏,真的动手:先跑通一个小网络,再看损失怎么下降,出错了自己定位。后来转到人工智能工程师,当然也花时间补了论文和项目,但这份教程让我跨出了第一步。那种又能往前走、突破能力上限的感觉,真的太好了。

何**人工智能工程师 · 原 Java 后端

本来只想看一节,结果又点了下一节。比刷短剧还爽,原来学习可以这么丝滑。

苏*Android 开发

已经推荐给几个同事了。我们都是边上班边补 AI,最怕打开教程先装半天环境。这里能直接改代码、看输出,午休做一个例子,晚上接着往下学,比较容易坚持。

K** L**后端开发

公交上能看,午休能做。对没整块时间的人很友好。

沈*商业分析师

以前听到注意力、反向传播这些词就觉得很玄。看着数字一步步算,自己再改个输入验证,慢慢能把原理讲出来了。技术确实被祛魅了,剩下的是可以练习、可以检查的具体事情。

N** C**应用开发者

改一个数,立刻看见变化。有没有真懂,骗不了自己。

顾**测试开发

我缺的不是更多教程,而是一条先学什么、接着做什么的路。之前今天看卷积,明天看大模型,觉得自己接触了很多东西,其实中间全是断的。这里每个小知识点都能接到后面的模型上,学完一段能说清它有什么用。现在也还没全部学完,但至少不再东一榔头西一棒子了。

程*研发工程师

我一般每次学十五到二十五分钟,上班路上看一段,没看完下次接着来。数学也不是一上来就让人拿笔推一页公式,而是先看几个小数字和动画,把意思弄清楚。时间碎也能学,对我这种下班只想躺着的人很重要。

唐*运维工程师

前往中国大陆版?

你的网络位于中国大陆。前往大陆版,可使用微信登录。

前往大陆版