无需登录，直接开始第一课
完整开放第一课的全部交互步骤，游客学习进度会保存在当前浏览器。
现在开始体验 →
第一课现已开放 · 免登录免费体验 →
先看懂原理，
先看懂原理，
再真正用好大模型
从传统软件怎样执行讲起，逐步进入机器学习、深度学习、Transformer、预训练、后训练与推理；最后再学习 Prompt、RAG、Agent 和可靠上线。
✓ 无需登录✓ 无需积分✓ 游客进度自动保留
HANDS-ON LEARNING课程 01 · 免费
INPUT
→
→
ML学习模型从样本到参数
01
传统软件怎样运行指令、算法、数据与状态
进行中02
系统怎样从样本学习特征、标签、模型与参数
下一步03
误差怎样改变参数Loss、梯度与优化器
待解锁学习进度1 / 16
8门递进课程
构成完整路线
构成完整路线
交互不只看文字
边操作边理解
边操作边理解
项目从概念模拟
走向工程实践
走向工程实践
AI 助教登录后按需答疑
使用透明计分
使用透明计分
HOW IT WORKS
先体验，再决定是否继续
你可以先完整学习第一课，确认这种方式适合自己，再登录账号继续学习路线。
想继续时，登录账号即可
没有账号可先完成注册，具体登录方式以登录页面实际开放为准。登录后即可保存学习记录。
使用积分解锁后续课程
第二课起需要登录并消耗积分。游客阶段的第一课进度会在登录后自动同步到账户。
WHY ICT985
把抽象概念，变成可以操作的学习过程
从软件原理逐级搭建
先讲传统程序、数据学习和神经网络，再进入 Token、Attention、训练与推理，不把术语当作起点。
训练与推理始终分开
每个环节都标明是否更新参数，避免把分词、Prompt、RAG、KV Cache 或聊天记录误当成训练。
学习记录不断档
登录后统一维护课程进度、积分和账户绑定；游客第一课进度也能在注册登录后自然衔接。
按需 AI 答疑
学习中可调用 AI 助教围绕当前课程答疑。每次使用前展示积分规则，让学习成本清晰可控。
说明 原理动画与大多数参数题是明确标注的教学模拟；综合课包含浏览器 CPU 上的透明小模型实算。完成互动代表理解机制，真实工程能力仍需代码、数据、评测和项目实践。
LEARNING ROADMAP · 2 + 4 + 2
三层八门课，先原理、后使用
第一课完全免费
第二课起需登录账号并使用积分解锁
第一层 · 基础原理
2 门课从确定性程序走向学习系统
先回答传统软件、机器学习和深度学习分别是什么。
- 01从传统软件到机器学习指令与状态 → 样本与特征 → Loss 与梯度 → 泛化免费体验 →
- 02神经网络与深度学习神经元 → 前向与反向传播 → 表示学习 → Attention16 个实验
第二层 · 大模型原理
4 门课拆开结构、训练、对齐和推理
每门课只负责一段生命周期，并持续显示训练 / 推理双泳道。
- 03Transformer：大模型的核心结构Token、Embedding、Q/K/V、因果 Attention 与 Decoder结构
- 04大模型如何完成预训练语料、Next-token、Loss、Backprop、AdamW 与 Base Model预训练
- 05大模型后训练与对齐SFT、LoRA/QLoRA、RLHF、DPO 与安全边界后训练
- 06大模型如何推理与部署Prefill、Decode、KV Cache、量化、批处理与服务指标推理
第三层 · 使用与工程
2 门课把模型能力装进可控系统
理解原理之后，再学习使用、知识增强、工具行动和可靠上线。
- 07大模型应用：Prompt、RAG 与 Agent任务契约、模型 API、证据链、工具权限与有界循环应用
- 08大模型工程综合闭环透明小模型、Eval Harness、Trace、发布门禁与回滚综合实验
第一课 · 现在免费开放
免费开始第一课 →从“传统软件是什么”开始，真正看懂机器学习
无需账户、无需积分，也不要求数学和机器学习基础。16 个环节均有机制拆解、动画和互动实验。