【中英双语】杜克AI产品经理②管理机器学习项目，CRISP-DM+数据治理+模型监控,一次看懂 2021

名校课程-顶级中配

合集 · 人工智能-大模型 (86)

  1. 38:46:26
    【计算机-大三/研一】李飞飞计算机视觉斯坦福CS231n | 2026最新版18讲 中英双语 深度学习必修【计算机-大四/研一】
  2. 30:36:48
    【中英双语】谷歌DeepMind强化学习公开课｜现行最新版仍是这套
  3. 19:06:46
    【中英双语】2026最新版 Stanford CS547: 斯坦福HCI AI时代人机交互前沿讲座全集
  4. 18:13:41
    【中英双语】MIT最新AI神课！《如何用AI搞定几乎所有事》多模态大模型完整12讲｜2026重制|How to AI (Almost) Anything
  5. 28:57:49
    【中英双语】大模型面试必修课！斯坦福2026重制-CME295 Transformers & LLMs：RLHF·GRPO·DeepSeek R1全讲透｜全9讲
  6. 36:50:07
    【中英双语】Stanford CS234: 强化学习最新完整版
  7. 73:13:26
    【中英双语】CUDA从入门到硬核实战：PyTorch+Triton+LLM优化全攻略，GPU mode课程
  8. 59:03:41
    【中英双语】麻省理工24讲吃透深度学习：从理论到PyTorch实战
  9. 23:51:31
    【中英双语】伯克利 Agentic AI 智能体与大模型｜CS294 Fall 2025，提供中文/英文双配音
  10. 43:32:25
    【中英双语】MIT 6.034 人工智能 (Patrick Winston)-配套中文讲义
  11. 6:16:06
    【中文配音】14讲吃透Faiss向量搜索：LSH/PQ/HNSW/评估/过滤/索引选型
  12. 2:58:57
    【中英双语】C++从零实现神经网络：手写MLP、反向传播，3小时吃透底层原理
  13. 15:10:51
    【中英双语】麻省理工最新深度学习入门，2026新版一口气讲明白｜6.S191
  14. 23:59:08
    【中英双语】斯坦福CS153全12讲拆解：黄仁勋讲算力，剩下11位大佬讲了什么|2026年最新版
  15. 12:21:15
    【中英双语】MIT 6.S184: 流匹配与扩散模型，生成式AI模型｜2026最新版
  16. 43:59:02
    【中英双语】想自己训练一个GPT？斯坦福这门课教你从零构建大模型｜CS336 2026最新·36讲·中英双语·附资料
  17. 3:42:54
    【中英双语】OpenCV Python从零入门：图像视频摄像头边缘检测全流程
  18. 21:59:36
    【中英双语】CMU最新！语言模型推理算法全讲 | 思维链·Agent·推理模型一次搞懂
  19. 4:15:53
    【中英双语】全网6883万播放的神经网络教程，看完真的懂了
  20. 6:38:16
    【中英双语】ChatGPT背后的技术，前OpenAI创始成员花了3小时讲透了|YouTube 800万播放的硬核LLM教程
  21. 49:15:32
    【中英双语】想系统搞懂大模型，但不知从哪开始？CMU这门课把路线画好了——23讲全梳理 | CMU 高级自然语言处理 Advanced NLP
  22. 16:08
    【中英双语】8分钟看懂GPT 5.6：Sol/Terra/Luna三合一，OpenAI模型命名终于不乱了
  23. 25:58
    【中英双语】GPT-5.6 Pro 泄露！Mythos 5 级性能，10分钟看懂有多强 | WorldofAI
  24. 19:21:02
    【中文配音】MIT 9.40 神经计算导论 全20讲｜2026中文最流畅配音重制
  25. 36:07:19
    【中英双语】谷歌AlphaGo背后的算法课！DeepMind强化学习完整13讲｜UCL中英双版本
  26. 40:11
    【中英双语】李飞飞预言：10年后只剩2种打工人，你是哪一种？ | Silicon Valley Girl
  27. 2:48:16
    【中英双语】AI如何斩获诺贝尔奖？揭秘DeepMind造神之路｜官方纪录片 | Google DeepMind
  28. 44:54:33
    【中英双语】斯坦福CS221人工智能原理完整课！｜2026最新中文语音重制版
  29. 2:31:29
    【中文配音】IBM神经网络与PyTorch入门｜2026中文重制
  30. 50:08:40
    【中英双语】斯坦福CS224N深度学习自然语言处理：最新中文配音
  31. 38:06:49
    【中英双语】斯坦福CS224R深度强化学习：从策略梯度到LLM×RL·完整19讲
  32. 3:48:06
    【中文配音】LLM微调与优化：LoRA·量化·部署全流程
  33. 3:31:09
    【中文配音】RAG系统实战｜检索增强生成从入门到落地
  34. 2:16:35
    【中英双语】YOLO目标检测完整实战｜原片合计50万+·v8到v11检测分割
  35. 25:37:11
    【中英双语】2026最新版斯坦福CME296: 扩散与视觉大模型
  36. 20:07:17
    【中文配音】Caltech CS156机器学习理论：Learning From Data 525万播放
  37. 3:23:58
    【中文配音】n8n+ChatGPT智能体自动化：工作流到RAG客服
  38. 23:54:16
    【中英双语】CMU 10799 S26：扩散与流动匹配 |2026春季最新版本
  39. 1:05:05
    【中英双语】Claude Code创始人揭秘：砍掉80%提示词，AI编程反而更强了，如何重建系统提示词 | Y Combinator
  40. 1:18:08
    【中英双语】李飞飞正在攻克机器人领域最难的难题，探讨空间智能如何突破机器人学习的数据瓶颈 | a16z
  41. 37:44:35
    【中英双语】首发斯坦福CS229机器学习 | 2026 年春季最新版本 | cs229最流畅中文版本
  42. 12:28:42
    【中文配音】MIT 15.773实践深度学习｜油管合计62万+
  43. 23:11:52
    【中文配音】2026最新版 CMU Advanced NLP：从Transformer到智能体
  44. 6:32:25
    【中英双语】NVIDIA生成式AI与大模型全栈｜Transformer到RAG·生产部署48讲
  45. 22:25:53
    【中文配音】Berkeley CS188人工智能导论｜原片合计71万+·搜索到贝叶斯
  46. 1:44:55
    【中英双语】谷歌大神：人工智能构建的1%法则，自我进化的AI系统，AI工程师的新思维模型 | Y Combinator
  47. 10:02:51
    【中文配音】哈佛CS50 AI导论｜原片合计276万+·Python人工智能入门
  48. 47:10:08
    【中英双语】斯坦福CS229机器学习：监督学习到深度学习·完整19讲
  49. 1:00:20
    【中英双语】Grug 35B vs Qwen 35B本地实测：16GB显存跑35B大模型，谁更强？ | Luke's Dev Lab
  50. 7:57:26
    人工智能-大模型
  51. 35:56:23
    【中英双语】从零手写分布式训练框架：PP/TP/MoE 2026
  52. 40:59
    【中英双语】20分钟搞懂10大AI核心概念：从神经网络到大模型 | Codist
  53. 8:46:05
    【中英双语】沃顿商业AI④：战略治理可解释AI与算法公平·完整34讲 2021
  54. 8:10:03
    【中英双语】沃顿商业AI③：人才管理招聘流失与区块链HR·完整38讲 2021
  55. 8:07:56
    【中英双语】沃顿商业AI②：营销金融客户旅程与信贷风控·完整29讲 2021
  56. 17:15:24
    【中文配音】李飞飞-最新斯坦福CS231N 计算机视觉深度学习 I 2026最新中文配音版本，相比上一个22万+播放量的版本更流畅
  57. 27:55:26
    【中文配音】伯克利CS185/285深度强化学习，从RL基础到LLM+RL前沿，系统吃透深度强化学习核心范式|2026最新版本
  58. 23:10:12
    【中文配音】MIT 6.5940-高效的机器学习人工智能 | 麻省理工MIT 6.5940 2023秋
  59. 12:58:08
    【中英双语】斯坦福AI超级周期经济学：从生成式AI到GPU工厂·完整课
  60. 1:23:33
    【中英双语】TiDAR：用扩散思维思考，用自回归理论交流（大模型论文分析，大模型面试必备）
  61. 8:03:22
    【中文配音+资料】物理信息机器学习PINN：油管182万+从数据发现方程 2021-2024
  62. 12:04
    【中英双语】YOLO目标检测可视化：手把手带你搞懂边界框预测原理 | AGI Lambda
  63. 9:56:19
    【英文原声+资料】物理信息机器学习PINN：油管182万+从数据发现方程 2021-2024
  64. 36:50:20
    【中文配音+资料】纽约大学深度学习｜原片63万+·Deep Learning｜LeCun教授 2021
  65. 43:41:25
    【英文原声+资料】纽约大学深度学习｜原片63万+·Deep Learning｜LeCun教授 2021
  66. 1:41
    机甲大师赛冠军争夺战，你不知道的台前台后｜2026 RMUC 全国赛|非常建议粉丝参赛
  67. 7:48:25
    銆愪腑鏂囬厤闊炽€戞潨鍏嬪ぇ瀛︽満鍣ㄥ涔犲璁猴細閫昏緫鍥炲綊鍒癟ransformer 2020
  68. 10:26:01
    【中英字幕】杜克大学机器学习导论：逻辑回归到Transformer 2020
  69. 8:55
    【中文配音】油管1000万播放，你了解人工智能是如何学习的吗，非常有趣的视频
  70. 37:20
    【中文配音】AI图像视频原理全解析：从CLIP到扩散模型，AI视频如何生成
  71. 41:11:30
    【中英双语】卡内基-深度学习系统课全解析-CMU Deep Learning Systems 10-414/714
  72. 19:50:18
    【中英双语】保姆级机器学习从入门到实战：线性回归、SVM、聚类、集成学习全涵盖
  73. 3:57:18
    【中英双语】利用人工智能提升你的智力-李飞飞对话Huberman：人类直觉无法被复制 | Andrew Huberman
  74. 3:39:51
    【中文配音】杜克大学AI产品经理①：机器学习基础 2021
  75. 4:28:26
    【中英字幕】杜克大学AI产品经理①：机器学习基础 2021
  76. 8:49:35
    【中英双语】沃顿商业AI①：非数据科学家的AI基础·完整41讲
  77. 1:39:14
    【中英双语】斯坦福大学首席人工智能经济学家：未来十年将是历史上最好也是最糟糕的十年
  78. 65:05:55
    【中英双语+资料】想系统学AI该从哪门课开始？伯克利CS188人工智能导论2026春|[CS188 SP26] Live Lectures
  79. 20:57:14
    【中英双语+资料】想学CUDA不知道从哪下手？这门课从环境配置一路讲到PyTorch扩展 手写CUDA核函数：GPU高性能计算13讲完整版
  80. 1:22:37
    【中英双语+资料】李飞飞押注空间智能：Atlas世界模型如何用三台摄像机颠覆3D生成 | a16z
  81. 39:18
    【中文配音】本地跑大模型加速：量化到底怎么选，实测省一半显存
  82. 14:33
    【中英双语+资料】AI面试官：LLM和智能体到底选哪个？大厂真实面试题5分钟讲透 | Gaurav Sen 大模型面试
  83. 43:19
    【中英双语+资料】大模型如何存储事实？拆解Transformer的MLP层 | 3Blue1Brown
  84. 10:23:33
    【中英双语+资料】机器学习到底从哪入门｜StatQuest 回归+交叉验证｜Machine Learning 2018–2024
  85. 7:53:04
    【中英双语】杜克AI产品经理②管理机器学习项目，CRISP-DM+数据治理+模型监控,一次看懂 2021
  86. 35:05:53
    [油管1800万+]GPT到底怎么从零写出来,油管最强大模型底层原理实践教程｜Karpathy micrograd+GPT｜Zero to Hero

Parts

  1. P1 · [中文] 01 专项导览 | Specialization Overview
  2. P2 · [中文] 02 讲师介绍 | Instructor Introduction
  3. P3 · [中文] 03 课程概览 | Course Overview
  4. P4 · [中文] 04 模块1目标：找准ML机会 | Introduction & Objectives
  5. P5 · [中文] 05 识别机器学习机会 | Identifying Opportunities
  6. P6 · [中文] 06 验证产品想法 | Validating Product Ideas
  7. P7 · [中文] 07 机器学习在产品中的价值 | Benefits of ML in Products
  8. P8 · [中文] 08 机器学习还是启发式规则 | ML vs. Heuristics
  9. P9 · [中文] 09 模块1小结 | Module Wrap-up
  10. P10 · [中文] 10 模块2目标：组织ML项目 | Introduction and Objectives
  11. P11 · [中文] 11 ML项目与软件项目的差别 | ML Projects vs. Software Projects
  12. P12 · [中文] 12 CRISP-DM数据科学流程 | CRISP-DM Data Science Process
  13. P13 · [中文] 13 CRISP-DM案例拆解 | CRISP-DM Case Study
  14. P14 · [中文] 14 项目团队怎么搭 | Team Organization
  15. P15 · [中文] 15 如何组织ML项目 | Organizing the Project
  16. P16 · [中文] 16 如何衡量机器学习性能 | Measuring Performance
  17. P17 · [中文] 17 模块2小结 | Module Wrap-up
  18. P18 · [中文] 18 模块3目标：数据管理 | Introduction and Objectives
  19. P19 · [中文] 19 确定数据需求 | Data Needs
  20. P20 · [中文] 20 数据采集 | Data Collection
  21. P21 · [中文] 21 数据治理与访问 | Data Governance & Access
  22. P22 · [中文] 22 数据清洗 | Data Cleaning
  23. P23 · [中文] 23 建模前的数据准备 | Preparing Data for Modeling
  24. P24 · [中文] 24 可复现性与版本管理 | Reproducibility & Versioning
  25. P25 · [中文] 25 模块3小结 | Module Wrap-up
  26. P26 · [中文] 26 模块4目标：系统设计 | Introduction and Objectives
  27. P27 · [中文] 27 ML系统设计核心考量 | ML System Design Considerations
  28. P28 · [中文] 28 云端还是边缘部署 | Cloud vs. Edge
  29. P29 · [中文] 29 在线学习与推理 | Online Learning & Inference
  30. P30 · [中文] 30 大数据上的机器学习 | ML on Big Data
  31. P31 · [中文] 31 ML技术选型 | ML Technology Selection
  32. P32 · [中文] 32 常用机器学习工具 | Common ML Tools
  33. P33 · [中文] 33 模块4小结 | Module Wrap-up
  34. P34 · [中文] 34 模块5目标：上线运维 | Introduction and Objectives
  35. P35 · [中文] 35 ML系统故障识别与应对 | ML System Failures
  36. P36 · [中文] 36 ML系统监控 | ML System Monitoring
  37. P37 · [中文] 37 模型维护 | Model Maintenance
  38. P38 · [中文] 38 模型版本管理 | Model Versioning
  39. P39 · [中文] 39 组织层面的运维考量 | Organizational Considerations
  40. P40 · [中文] 40 模块5小结 | Module Wrap-up
  41. P41 · [中文] 41 课程总结 | Course Wrap-up
  42. P42 · [英文] 01 专项导览 | Specialization Overview
  43. P43 · [英文] 02 讲师介绍 | Instructor Introduction
  44. P44 · [英文] 03 课程概览 | Course Overview
  45. P45 · [英文] 04 模块1目标：找准ML机会 | Introduction & Objectives
  46. P46 · [英文] 05 识别机器学习机会 | Identifying Opportunities
  47. P47 · [英文] 06 验证产品想法 | Validating Product Ideas
  48. P48 · [英文] 07 机器学习在产品中的价值 | Benefits of ML in Products
  49. P49 · [英文] 08 机器学习还是启发式规则 | ML vs. Heuristics
  50. P50 · [英文] 09 模块1小结 | Module Wrap-up
  51. P51 · [英文] 10 模块2目标：组织ML项目 | Introduction and Objectives
  52. P52 · [英文] 11 ML项目与软件项目的差别 | ML Projects vs. Software Projects
  53. P53 · [英文] 12 CRISP-DM数据科学流程 | CRISP-DM Data Science Process
  54. P54 · [英文] 13 CRISP-DM案例拆解 | CRISP-DM Case Study
  55. P55 · [英文] 14 项目团队怎么搭 | Team Organization
  56. P56 · [英文] 15 如何组织ML项目 | Organizing the Project
  57. P57 · [英文] 16 如何衡量机器学习性能 | Measuring Performance
  58. P58 · [英文] 17 模块2小结 | Module Wrap-up
  59. P59 · [英文] 18 模块3目标：数据管理 | Introduction and Objectives
  60. P60 · [英文] 19 确定数据需求 | Data Needs
  61. P61 · [英文] 20 数据采集 | Data Collection
  62. P62 · [英文] 21 数据治理与访问 | Data Governance & Access
  63. P63 · [英文] 22 数据清洗 | Data Cleaning
  64. P64 · [英文] 23 建模前的数据准备 | Preparing Data for Modeling
  65. P65 · [英文] 24 可复现性与版本管理 | Reproducibility & Versioning
  66. P66 · [英文] 25 模块3小结 | Module Wrap-up
  67. P67 · [英文] 26 模块4目标：系统设计 | Introduction and Objectives
  68. P68 · [英文] 27 ML系统设计核心考量 | ML System Design Considerations
  69. P69 · [英文] 28 云端还是边缘部署 | Cloud vs. Edge
  70. P70 · [英文] 29 在线学习与推理 | Online Learning & Inference
  71. P71 · [英文] 30 大数据上的机器学习 | ML on Big Data
  72. P72 · [英文] 31 ML技术选型 | ML Technology Selection
  73. P73 · [英文] 32 常用机器学习工具 | Common ML Tools
  74. P74 · [英文] 33 模块4小结 | Module Wrap-up
  75. P75 · [英文] 34 模块5目标：上线运维 | Introduction and Objectives
  76. P76 · [英文] 35 ML系统故障识别与应对 | ML System Failures
  77. P77 · [英文] 36 ML系统监控 | ML System Monitoring
  78. P78 · [英文] 37 模型维护 | Model Maintenance
  79. P79 · [英文] 38 模型版本管理 | Model Versioning
  80. P80 · [英文] 39 组织层面的运维考量 | Organizational Considerations
  81. P81 · [英文] 40 模块5小结 | Module Wrap-up
  82. P82 · [英文] 41 课程总结 | Course Wrap-up
Description 
杜克大学 Jon Reifschneider《管理机器学习项目》完整课｜AI产品经理专项②｜从选机会、CRISP-DM、数据到上线监控一次串齐｜中英双语可切换

📌 本期看点
· 选对机会：ML vs 启发式，怎样验证产品想法再开工
· CRISP-DM：团队怎么搭、项目怎么组织、性能怎么量
· 数据与系统：采集清洗、云/边缘、在线推理与工具选型
· 上线之后：故障、监控、重训与模型版本怎么管

🧭 观看指南
共 41 讲。P1–P41 为中文配音版，P42–P82 为英文原声版，可按需切换。
分P标题同时保留中文翻译和英文原名。

🎯 适合人群
AI产品经理、要带机器学习项目的产品负责人与技术管理者，以及想听懂数据团队在说什么的业务同学。

持续更新海外名校硬核课程，点赞收藏关注三连，你的支持是更新的最大动力！