rk0663-哈尔滨工业大学DeepSeek公开课人工智能：从图灵测试到DeepSeek

课程定位与核心目标

本课程以哈尔滨工业大学公开课为基础，系统梳理人工智能领域从图灵测试到DeepSeek的技术演进脉络。课程解决的核心问题是：许多开发者在使用大模型时仅停留在API调用层面，缺乏对模型底层原理、评估方法和技术发展趋势的系统认知，导致在实际工程项目中难以进行合理的技术选型或针对性优化改进。课程通过理论讲解结合案例剖析，帮助开发者建立完整的AI知识框架，提升技术判断力。

适合人群与学习路径

课程适合具备Python编程能力、了解机器学习基础概念（如监督学习、神经网络基本概念）的开发者。建议学习顺序为：首先观看关于图灵测试历史背景和评估方法的章节，建立对AI能力边界的直观理解；随后重点学习DeepSeek相关技术解析部分，深入了解当前主流开源模型的架构特点与训练思路；最后结合配套资料进行反思总结。课程配套PDF可作为理论补充材料，用于对照视频内容深化关键概念的理解，特别是数学推导和架构图示部分。

学完能做什么与资料使用建议

完成本课程后，开发者能够独立评估不同AI模型在特定业务场景下的适用性，准确理解模型的能力边界与局限性，并在项目设计阶段做出更加合理的技术选型决策。建议将PDF资料中的关键图示和公式整理成个人笔记，在实际代码练习中对照学习——例如在进行Prompt工程实践或模型调用开发时，回查课程中关于模型架构和训练目标的讲解内容，形成「理论-实践」的完整闭环。需要强调的是，本资料本身不包含代码实现，开发者需结合其他编程实践项目来补充动手能力，本课程主要承担知识体系构建的功能。