# AI 工程实验室（24 周 AI 工程自学课程） - 原标题：AI Engineering Lab（24 周 AI 工程自学课程） - 类型：课程 - 来源：GitHub - 学期：未标注 - 首次精选：2026-10-29 23:09 - 分级：值得看 - 学习层级：入门 - 主题：[agents-tool-use]()（第 4 位）、[ai-literacy]()（第 8 位）、[rag-search-retrieval]()（第 8 位） - 原文链接：[https://github.com/zorost/AI-Engineering-Lab]() - 本站页面：[https://oplearnx.com/resources/pk\_031b90bea314]() ## 摘要 Zorost Intelligence AI Lab 发布的一套免费、自定进度的 24 周 AI 工程课程仓库，采用 MIT 许可，无需注册。内容覆盖 Python、机器学习、LLM、RAG、微调、Agent 与 MCP，以及 Azure、Vertex、Bedrock 和 Databricks 等平台，包含 43 个可运行的 notebook 和一个贯穿全程的案例研究。README 提供克隆安装步骤，并指引编程或 AI 新手先阅读 START-HERE.md。 ## 概览 - 难度：入门 - 语言：英文 - 规模：24 周 · 43 个笔记本 - 费用：免费 - 动手：43 个可运行笔记本 ## 学完你能 - 从 Python 基础起步，完成数据、机器学习与深度学习的入门训练，并建立评估思维。 - 理解大语言模型内部机制，掌握提示工程、上下文工程与基于向量检索的 RAG。 - 完成量化、LoRA 与 DPO 微调、模型服务、评测与错误分析等模型工程环节。 - 使用 Claude Code、Cursor、OpenCode 等编码代理工具，搭建规格驱动的循环工作流。 - 构建单代理与多代理系统，并接入 Model Context Protocol 与代理运维。 - 在 Azure AI Foundry、Google Vertex AI、AWS Bedrock 上部署同一个代理，并完成 Databricks 湖仓综合项目。 ## 适合你吗 - 适合：想为工作加入 AI 能力的软件开发者 - 适合：希望转向工程方向的数据分析师 - 适合：学生与转行者 - 适合：技术型创始人 - 暂不适合：想走模型架构研究方向的人 - 暂不适合：只想参加周末提示词工作坊的人 - 需要先会：需要一台可安装软件的电脑、每周约十小时投入和基本计算机常识；不要求先有 Python 基础、GPU 或付费 API 密钥。 ## 课程特点 - 内容侧重：以 ZoroLogistics 货运案例贯穿 24 周，每周围绕一个概念产出一个可执行工件；从第 3 周起每个产物都要附指标与错误分析笔记。 - 练习与项目：运行 Python、SQL、PySpark 笔记本并在其上修改、故意打破一处的练习；每周一个用例练习产出工件、指标与错误说明；每周十题测验，8 分及格后在跟踪表中打勾。 - 投入时间：每周约十小时：周一至周二研读材料，周三至周四动手构建，周五交付，周五至周日回顾与测验；前八周无需 GPU。 - 费用说明：MIT 许可，无需注册，完全免费；第 1 至 13 周可用本地模型、免费额度 API 或不使用 API，第 18 至 24 周使用云平台免费额度。 ## 内容覆盖 - 阶段一 · 基础（第 1 至 4 周）：Python、数据、机器学习、深度学习，从第一天起带入评估思维 - 阶段二 · 大语言模型核心（第 5 至 8 周）：分词、Transformer、提示与上下文工程、检索、图、本地模型 - 阶段三 · 模型工程（第 9 至 11 周）：量化、LoRA 与 DPO 微调、服务化、评测与错误分析 - 阶段四 · 工具与循环（第 12 至 13 周）：Claude Code、Cursor、OpenCode、DeepSeek Harness、规格驱动循环 - 阶段五 · 代理（第 14 至 17 周）：单代理、多代理系统、MCP、OpenClaw、Hermes、代理运维 - 阶段六 · 云 AI 平台（第 18 至 20 周）：Azure AI Foundry、Google Vertex AI、AWS Bedrock，一个代理三种云 - 阶段七 · Databricks 从零到精通（第 21 至 24 周）：湖仓、Unity Catalog、PySpark、Lakeflow、AI Search、Genie、生产化 --- 来源：LearnMap · 学径（https://oplearnx.com）