Loading
AI 创意工坊
技术中级2026 夏季
从 Coze 低代码到 Qoder 模型训练，双平台探索 AI 全栈能力。
课程哲学
AI不是魔法，它是数学、数据和工程的美妙交响。本课程采用双平台策略：先用 Coze 零代码搭建 AI 应用建立直觉，再用 Qoder 训练模型深入原理，最后可将模型部署到 RT-Thread Titan Board——贯通 AI 从原型到产品的全链路。
学习路径定位
8 周课程规划
1
图灵测试专家系统深度学习革命
用 Coze 搭建第一个 AI Bot 并分析其能力边界
Coze Bot + AI 能力边界分析报告
2
数据清洗特征工程数据增强
在 Qoder 中清洗并可视化一个开放数据集
数据清洗管道+可视化报告
3
梯度下降激活函数反向传播
在 Qoder 中从零实现一个简单神经网络
手写神经网络代码+实验报告
4
卷积核池化迁移学习
训练一个图像分类器
图像分类模型+准确率报告
5
TransformerPrompt Engineering扩散模型
用 Coze 搭建多轮对话 Agent
Coze 智能 Agent + 体验报告
6
工作流编排知识库插件生态
设计并搭建一个解决实际问题的 Coze 工作流
完整 Coze 工作流+产品说明
7
模型导出API 封装Titan Board 部署
将训练好的模型部署为可调用 API
可用的 AI API 服务+调用演示
8
产品思维用户体验伦理考量
整合 Coze 工作流+Qoder 模型，完成 AI 产品展示
AI 产品+完整演示+伦理评估
教学法
30%
讲座
概念讲解与理论框架搭建
45%
项目制
动手实践、真实项目驱动学习
25%
讨论
小组辩论、同伴互评、开放式研讨
🏆 Conundrum 终极挑战
开放式挑战
假设你是某小型城市的AI顾问。市长期望你用AI解决一个真实问题——交通拥堵、垃圾分类或校园安全，任选其一。但预算只有5万元，数据需要自己收集。请给出完整方案：问题定义→数据获取策略→模型选型→部署方案→成本估算→失败风险评估。
评估哲学
我们不考试。我们相信真正的能力无法用试卷衡量——用项目答辩、作品集和同伴评审来评估成长。
40%
AI项目产品
最终部署的可运行AI服务
30%
技术报告
包含数据、模型、评估的完整技术报告
30%
代码质量
代码规范性、可复现性和文档完整性
🎓 毕业项目
AI for Good——用人工智能解决一个本地真实问题
选择交通/环保/安全/教育任一领域，用AI技术提出并实现解决方案。要求：基于真实数据（可自行采集或使用开放数据），模型可部署运行，方案包含成本效益分析。
问题定义清晰度20%
技术方案可行性30%
社会影响力25%
演示效果25%