如何通过AI应用实战学习总结系列文章提升技能？

大家好，我是Edison。 2024年入坑黄佳老师的《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学习总结的相关的文章在这里，作为补充完善，也算是对我自己2024年开始学习AI的见证。 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，我们可以主要用Microsoft.Extensions.AI完成基础功能，然后用Semantic Kernel完成高级功能如RAG等。 .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。