5门免费课程带你入门AI工程
内容提要
AI工程介于软件工程、机器学习和生成式AI之间，主要利用现有模型构建应用。推荐五门免费开源课程，由浅入深：Hugging Face LLM课程打基础；AI Engineer Notebooks练实战；LLM Zoomcamp学构建生产级应用；MLOps Zoomcamp学部署监控；Maxime Labonne课程深入微调与量化。强调边学边做，掌握底层原理仍至关重要。
延伸解读
学习路径的递进逻辑
文章推荐的5门课程按难度从易到难排列，形成一条清晰的学习路径：从Hugging Face LLM课程理解Transformer和微调基础，再到AI Engineer Notebooks和LLM Zoomcamp动手构建RAG、智能体等应用，接着通过MLOps Zoomcamp掌握部署监控，最后用Maxime Labonne课程深入微调与量化。这种安排强调先懂原理再实践，避免直接使用高级框架而忽视底层机制。
免费课程的实战导向
这些课程均为免费开源，提供讲座、笔记本、练习和项目。AI Engineer Notebooks刻意避免依赖框架，用原始API调用构建智能体循环、RAG管道和评估系统，帮助理解框架背后的原理。LLM Zoomcamp则通过逐步构建完整应用，让学习者体验检索、智能体、评估和监控如何协同工作。这种边学边做的方式能积累实际工程经验。
AI工程的核心技能覆盖
文章指出AI工程师通常不从头训练基础模型，而是利用现有模型构建应用，涉及模型API、嵌入、向量数据库、RAG、智能体、评估、模型服务和部署等。五门课程覆盖了这些技能：Hugging Face课程打基础，AI Engineer Notebooks和LLM Zoomcamp侧重应用构建，MLOps Zoomcamp关注生产运维，Maxime Labonne课程深入模型优化。这为学习者提供了全面的技能地图。
底层原理与工程能力不可替代
尽管AI编码智能体可以生成应用，但文章强调 fundamentals 仍然重要：你需要理解代码、调试故障、做架构决策、部署系统、监控运行，并在出问题时知道如何应对。企业仍然需要能端到端交付的软件工程师、机器学习工程师、MLOps工程师和基础设施工程师。因此，利用AI加速的同时，必须通过动手实践建立足够的知识，才能成为更强的AI工程师。
Q&A
AI工程师平时主要做什么？
AI工程师通常不从头训练基础模型，而是利用现有模型构建有用的应用和自动化系统。具体工作包括使用模型API、嵌入、向量数据库、检索增强生成（RAG）、AI代理、多代理工作流、评估系统、模型服务、监控和部署等。
有哪些免费的AI工程课程推荐？
文章推荐了五门免费开源课程：Hugging Face LLM课程、AI Engineer Notebooks、DataTalksClub LLM Zoomcamp、MLOps Zoomcamp和Maxime Labonne的LLM课程。这些课程由浅入深，涵盖从基础到高级的AI工程技能。
零基础应该从哪门AI课程开始学？
建议从Hugging Face LLM课程开始。它从Transformer基础讲起，逐步深入Hugging Face生态系统，包括微调、构建演示等，适合初学者建立扎实的LLM基础。需要良好的Python知识，有PyTorch或TensorFlow经验更佳。
AI Engineer Notebooks课程有什么特点？
AI Engineer Notebooks是一系列动手实践的Colab笔记本，专注于AI工程师和前置部署工程师所需的技能。它不依赖框架，直接使用模型API构建核心系统，涵盖模型API、工具调用、RAG、评估、AI代理、微调、安全、LLMOps等。主要使用免费的Groq API，部分GPU主题提供可选Colab GPU练习。
LLM Zoomcamp和MLOps Zoomcamp有什么区别？
LLM Zoomcamp专注于构建生产级LLM应用，涵盖代理式RAG、向量搜索、编排、评估、监控等，最终完成一个端到端项目。MLOps Zoomcamp则关注机器学习模型训练后的生产化，包括实验跟踪、模型管理、管道、部署、监控和自动化基础设施。两者互补，前者侧重LLM应用，后者侧重MLOps实践。
如何深入学习开源大模型的微调和优化？
可以学习Maxime Labonne的LLM课程。它分为三个方向：LLM基础、LLM科学家（构建和改进模型）和LLM工程师（创建和部署应用）。涵盖微调、QLoRA、DPO、ORPO、量化、GGUF、模型合并、推理优化等，并提供使用Unsloth、Axolotl等工具的实践笔记本。
学习AI工程需要哪些先修知识？
不同课程要求不同。Hugging Face LLM课程需要良好的Python知识，有PyTorch或TensorFlow经验更佳。MLOps Zoomcamp假设具备Python、Docker、命令行工具和基础机器学习经验。其他课程一般要求中级编程和机器学习基础。
AI工程中为什么底层原理仍然重要？
即使AI编码代理可以生成应用，你仍然需要理解代码、调试故障、做架构决策、部署系统、监控运行，并在出问题时知道如何处理。公司需要能从头到尾实现想法的工程师，因此扎实的工程技能和动手经验不可或缺。
