AI 课件库

线性回归 回归 实训时长与技能考核成绩：先自己拖一条直线，再和梯度下降、最小二乘算出来的最优直线比误差。 入门 · 20 分钟 · 回归、均方误差、最小二乘 可嵌入课件 逻辑回归 分类 缺课节数与学业预警：看 S 形曲线怎么把缺课数变成挂科概率，再拖动预警线权衡误报和漏报。 入门 · 20 分钟 · 分类、Sigmoid、对数损失 可嵌入课件 K 近邻 分类 零件质检分拣：新零件看最像的 K 个老零件怎么投票；关掉特征标准化，判定区域立刻变样。 入门 · 15 分钟 · 分类、距离、投票 可嵌入课件 支持向量机 分类 设备巡检要不要停机检修：看离两类都最远的那条分界线，拖动远处的点它纹丝不动，只有支持向量决定一切。 进阶 · 25 分钟 · 分类、间隔最大化、支持向量 可嵌入课件 决策树：树是怎么做划分的 分类 用「看树干直径和高度判断苹果树、樱桃树还是橡树」这个例子，一刀一刀把特征空间切开，同步长出一棵决策树，并把熵与信息增益算给你看。 入门 · 25 分钟 · 决策树、根节点与叶节点、熵 随机森林：为什么一群树比一棵树强 分类 从 1785 年的孔多塞陪审团定理讲起：把若干棵只有六成准确率的树凑在一起多数投票，准确率怎么一路爬上去，以及装袋法和特征抽选为什么必须让树彼此不同。 入门 · 25 分钟 · 集成学习、多数投票、孔多塞陪审团定理 K-Means 聚类 聚类 用「学生岗位实习企业分群」讲清机器怎么自己找出类别 45 分钟 / 90 分钟两版 · 无监督学习、聚类 含教案课件可嵌入课件 如何正确使用 t-SNE：那张降维图到底在说什么 降维与高维可视化 t-SNE 图几乎每篇论文都有，也最容易被读错。这篇用十三组对照实验说清楚：困惑度调不对会凭空造出簇，簇的大小没有意义，纯随机数据在低困惑度下照样看起来有结构。每张图都能现场重跑。 进阶 · 30 分钟 · t-SNE、降维、困惑度 读懂 UMAP 降维与高维可视化 把高维数据压到二维到底做了什么？拖两个滑块就能看见：邻居数管「看多远」，最小距离管「摆多紧」。还有一具三维猛犸象骨架，让 UMAP 与 t-SNE 当场同台。 进阶 · 35 分钟 · 降维、UMAP、t-SNE 精确率与召回率：为什么不能只看准确率 模型评估与验证 用疾病筛查这个例子，把混淆矩阵四格、精确率、召回率、F1 分数串起来：拖动分类阈值，亲眼看四个指标此消彼长。 入门 · 25 分钟 · 混淆矩阵、真正例与假正例、精确率 交叉验证：把数据轮着用 模型评估与验证 从「划一个验证集」的毛病讲到 K 折交叉验证与留一法：拖动 K 值，看每一折训练出的回归线和验证误差怎么变，以及 K 大 K 小各有什么代价。 入门 · 20 分钟 · 训练集验证集测试集、K 折交叉验证、留一交叉验证 偏差方差权衡 模型评估与验证 从一条画歪的直线到把训练点全背下来的复杂模型，把测试误差拆成偏差平方、方差和噪声三块，再用两个滑块把这个权衡拧给你看。 进阶 · 30 分钟 · 偏差、方差、欠拟合 双重下降：过拟合之后还能更好？ 模型评估与验证 经典的 U 形曲线之外还有第二次下降：越过插值阈值之后，参数比数据还多的模型反而越来越好。拖动特征数，亲眼看这条曲线。 进阶 · 20 分钟 · 双重下降、插值阈值、过参数化 模型给的百分比是概率吗 模型评估与验证 模型说「70% 可能」，一百次里真的会发生七十次吗？拖动阈值和分桶，看校准曲线怎么偏、期望校准误差怎么降。 进阶 · 20 分钟 · 模型校准、期望校准误差、分桶

感知机 神经元与前馈网络 一个神经元怎么学会快递分拣：逐个样本检查，分错就按规则推一下权重；再用 XOR 看它为什么永远停不下来。 入门 · 20 分钟 · 感知机、权重更新、线性可分 可嵌入课件 前馈神经网络：手写数字识别 神经元与前馈网络 在黑板上写一个数字，看 784 个像素经过 32 个隐藏神经元变成 10 个概率；每个神经元学到的「笔画模板」都画了出来。 入门 · 20 分钟 · 神经网络、隐藏层、ReLU 可嵌入课件 神经网络游乐场 神经元与前馈网络 在浏览器里搭一个前馈神经网络：加层、加神经元、调学习率，实时看损失曲线往下掉、决策边界怎么长出来。 入门 · 25 分钟 · 神经元、前馈网络、隐藏层 反向传播可视化讲解 训练与优化 从手动拧一个神经元的权重偏置起步，讲到链式法则与梯度下降，最后逐帧看完整网络一个训练轮次的前向、反向、更新三段动画。 进阶 · 40 分钟 · 反向传播、梯度下降、链式法则 卷积：卷积核怎么扫一张图 卷积神经网络 3×3 卷积核一格一格扫过图像，每一步的乘加算式都写出来；换卷积核找竖边、横边，平移图案看特征图跟着平移。 入门 · 20 分钟 · 卷积、卷积核、特征图 可嵌入课件 卷积神经网络可视化讲解 卷积神经网络 在浏览器里真实运行一个小型卷积网络，点开任意一层就能看到卷积核怎么扫过图像。 入门 · 30 分钟 · 卷积、激活函数、池化 卷积网络三维可视化 卷积神经网络 在画板上手写一个数字，立刻看到它在三维卷积网络里逐层被算成什么样，点开任意一个方块能看到这一层这个单元的加权输入与计算过程。 入门 · 20 分钟 · 卷积、下采样、最大池化 预训练模型三维可视化 卷积神经网络 把四个真实的预训练模型立在三维空间里：手写一个数字看 LeNet 逐层算出什么，换一张照片看 MobileNet 认成什么，点任意一层就把里面几十张特征图铺开，还能现场训练一个 LeNet 看损失怎么掉下来。 进阶 · 30 分钟 · 卷积层、池化层、全连接层 循环神经网络 循环神经网络 一个词一个词地读课程评价：看 8 格记忆怎么记住「不」、在「但是」处先不表态等后半句，再和不看顺序的词袋模型比一比。 进阶 · 20 分钟 · 循环神经网络、隐藏状态、时间步 可嵌入课件 端侧 AI 任务集：分割、关键点与分类 图像分割与关键点检测 12 个真跑在浏览器里的 AI 任务：给一张照片做像素级分割、涂一笔就把物体抠出来、标出人脸和手和全身的关键点、认出图里是什么、判断一句话的情感与语种。全部本地推理，不上传任何图片。 入门 · 30 分钟 · 图像分割、语义分割、交互式分割

分词器实验台 分词与词表 同一句话，换一个模型就换一种切法。输入任意中英文，实时看到它被切成哪些词元、每个词元的编号是多少、一共几个词元；通义、DeepSeek、GPT-4o、GPT-2 等十几种分词器随意对照。 入门 · 20 分钟 · 词元化、字节对编码、词表 大模型是怎么「想」的 大模型原理 从分词、注意力到逐字生成，用一句中文看完全过程 45 分钟 / 90 分钟两版 · 分词、注意力、自回归生成 含教案课件可嵌入课件 动画版大模型原理 大模型原理 把大模型「生成一句话」和「训练一步」拆成一帧一帧的动画：词元怎么切、向量怎么走、概率怎么出、猜错了怎么改。原作自带中文界面与中文示例。 入门 · 30 分钟 · 词元化、词嵌入、位置编码 大模型三维可视化 大模型原理 把一个真实跑得动的小型 GPT 整个摊开成三维结构，左边逐段解说、右边同步高亮，从词元嵌入一路走到输出概率，每一次加法乘法都点得开。 进阶 · 45 分钟 · 词元与词表、词元嵌入、位置嵌入 提示词工程与 AI 使用红线 提示词 六要素把一句话提示词改成能用的，再用十张场景卡守住数据红线 45 分钟 / 90 分钟两版 · 提示词结构、教育数据合规 含教案课件可嵌入课件 提示词写作助手 提示词功能受限需联网 把提示词做成可复用的写作模板，在本地编辑示例文字、查看角色与约束。内测审核期间停用模型生成、密钥配置和社区交互。 入门 · 15 分钟 · 提示词工程、大模型应用 采样器怎么挑下一个词 采样与解码 同一句话、同一份概率，逐个打开温度、Top-K、Top-P 等七种采样器再调参数，实时看哪些候选词被留下、哪些被砍掉。 进阶 · 15 分钟 · 采样、温度、Top-K word2vec 是怎么一步步训出词向量的 嵌入与检索增强 一份 8 个词的玩具语料，一张三层小网络。点一次「下一步」，能看清一次前向传播怎么点亮神经元、一次反向传播怎么改权重；连点 500 步，词向量散点图上意思相近的词会自己聚到一起。 进阶 · 20 分钟 · 词向量与词嵌入、word2vec、CBOW GAN 实验室 生成模型 生成器和判别器在二维平面上实时对抗训练，看假数据怎么一步步逼近真数据的分布。 进阶 · 25 分钟 · 生成对抗网络、生成器、判别器

把模型问到底 可解释性 选中一条数据，改一个字段，按一下运行推理，模型的判断当场就变。再把数据按某个特征切成几组，看模型在哪一组上错得更多，然后试着调阈值把它拉平。 进阶 · 40 分钟 · 模型探查、反事实、部分依赖图 SHAP 解释任意模型 可解释性 在浏览器里用 SHAP 给一次判断「拆账」：贷款被拒时，每个因素给结论加了多少分、扣了多少分。 进阶 · 25 分钟 · 可解释性、SHAP、特征贡献 AI 决策的改进建议 可解释性 贷款被模型拒绝了，怎么改才能通过？这件展品给出可操作的改进方案，并允许你设定哪些条件不能改。 进阶 · 20 分钟 · 反事实解释、改进路径、可解释性 决策树森林探索 可解释性 准确率差不多的决策树有上千棵。用美国再犯风险数据浏览它们，把用了「性别」的筛掉，看还剩多少棵同样准确。 研究 · 15 分钟 · 决策树、罗生门集合、模型选择 多边形的故事：一点点偏见如何造出隔离的社会 公平与偏见 一群只有「一点点」同类偏好的三角形和正方形，拖着拖着就把整个社区拖成了泾渭分明的两半；这是谢林 1971 年隔离模型的可玩版本。 入门 · 25 分钟 · 谢林隔离模型、个体偏好与集体后果、涌现 模型怎么学会歧视：藏起来的偏见 公平与偏见 三篇连读：把性别从训练数据里删掉，模型照样能用别的变量拼出它；两个公平性指标为什么不可能同时拉平；换一套标注口径，偏见就跑到别的地方去了。 进阶 · 45 分钟 · 算法偏见、受保护属性、代理变量 几率均等：怎么衡量模型对不同人群是否公平 公平与偏见 用录取这个场景讲算法公平：拖动概率阈值，看两个群体的假正例率和假负例率差值能不能同时归零，以及「让所有人都被拒」这种偷懒解为什么不算数。 进阶 · 25 分钟 · 算法公平性、几率均等、机会均等 隐私保护三讲：随机化回答、模型泄露与联邦学习 隐私保护 三篇连读：怎么在每个人都有合理推诿空间的前提下统计出真实比例；训练数据怎么被从模型里反推出来；以及「原始数据不出设备」到底保住了什么、没保住什么。 进阶 · 45 分钟 · 随机化回答、差分隐私、去标识化 联邦学习游乐场：数据不出本地，模型怎么一起训 隐私保护 把神经网络游乐场改造成了联邦学习沙盘：同一份数据被切给 9 个客户端，各自只拿自己那份本地训练，服务器再把大家的模型聚合成一个。四种聚合算法、数据异质性、客户端掉线、差分隐私都做成了可以现场拖的滑块。 进阶 · 25 分钟 · 联邦学习、联邦平均、本地训练轮数 用 JPEG 压缩防御攻击 对抗攻击与防御功能受限 把输入图片做一次 JPEG 压缩，人眼看不见的对抗扰动大多会被压掉。前提是攻击者不知道有压缩这一环。 研究 · 10 分钟 · 对抗防御、JPEG 压缩 AI 盲点卡片：做 AI 项目前先自查的十一个盲区 AI 伦理与治理 一套面向团队的 AI 项目自查卡片：按规划、构建、部署、监测四个阶段列出十一个最容易出事的盲区，每张卡给出检查清单、一个真实翻车案例、该找谁聊，以及可以继续读的材料。 入门 · 40 分钟 · 目的对齐、数据代表性、可滥用性

图数据可视化 图与网络分析 在浏览器里导入一张图（节点与边），拖拽、筛选、按中心性着色，并把当前视图存成快照文件发给别人。 入门 · 15 分钟 · 图数据、网络分析、中心性 网站可信度与链接关系 图与网络分析 看一个网站和谁互相链接，是判断可信度的一条线索。圆点颜色是别人事先标好的评级，不是这个工具算出来的。 入门 · 15 分钟 · 虚假信息、网络图、可信度 文献关系图谱 图与网络分析部分功能不可用需联网 浏览一张 14 篇深度学习经典论文的引用关系图。原作的在线检索与展开引用本站用不了。 入门 · 15 分钟 · 文献综述、引用网络 先看懂你的数据 数据分析工具 训练模型之前先把数据摊开看一遍：概览逐个特征给出统计与分布并把训练集、测试集摆在一起比，细览把上万条数据一条一条画成小方块，随便你分桶、着色、点开看。老师还能直接上传自己的表格。 入门 · 30 分钟 · 数据集探查、特征分布、缺失值与异常值 把模型文件拖进来，看看网络长什么样 数据分析工具 学生训完一个模型、拿到一个文件，里面到底是什么？把文件拖进这个页面，整张计算图就画出来了：每一层是什么算子、张量形状多大、参数有多少，点开任意一层右侧逐项列出。全部在浏览器本地解析，模型不上传。 进阶 · 20 分钟 · 计算图、算子与层、张量形状 Notebook 便签式仪表盘 数据分析工具需联网 在 Jupyter 里把任意代码单元和图表「贴」在屏幕上，做成随时可见的仪表盘，打破笔记本只能从上往下读的限制。 进阶 · 15 分钟 · Jupyter、交互式编程 Notebook 可视化工具目录 数据分析工具 收录上百个可以在 Notebook 里使用的交互可视化工具，按用途、平台、实现方式筛选。 入门 · 10 分钟 · 可视化工具、Jupyter