Coursera AI进阶课程清单_2026¶

原始文件: Coursera AI进阶课程清单_2026.docx (42 KB) — 位于 C:\Users\24835\实习积累知识集合

Coursera AI进阶课程清单 2026年最新 · 中级到高级 · 分阶段学习路径涵盖：深度学习 / NLP / 生成式AI / MLOps / 多模态 / LLM工程化编制日期：2026年05月06日

使用说明¶

本清单整理了Coursera平台上2026年最新、最全的AI进阶课程（已排除入门级课程），按学习路径分为6个阶段。建议学习者按阶段顺序渐进，也可根据当前水平直接选读相应阶段。难度说明： ★★ 中级：需具备Python基础和基本ML概念 ★★★ 高级：需完成中级课程或具备同等能力 ★★★★ 专家级：需深入掌握DL/ML理论和工程实践

总览：六阶段学习路径¶

第一阶段：深度学习核心进阶¶

目标人群：已完成机器学习入门，希望系统掌握深度学习理论与实践的学习者。

1.1 Deep Learning Specialization¶

作者：Andrew Ng / DeepLearning.AI | 评分：4.9/5 | 5门课程系列 | 4.8M+学员这是全球最权威的深度学习入门到进阶课程，2026年已更新至最新技术。从神经网络基础到CNN、RNN、Transformer全覆盖。

1.2 TensorFlow: Advanced Techniques Specialization¶

作者：Laurence Moroney / DeepLearning.AI | 评分：4.7/5 | 4门课程进阶TensorFlow技术，覆盖自定义模型、分布式训练、高级CV和生成模型。

第二阶段：生成式AI与LLM¶

目标人群：已掌握深度学习基础，希望进入LLM/生成式AI领域的进阶学习者。

2.1 Advanced Deep Learning Architectures Specialization ★ 2026新¶

作者：Coursera | 评分：New | 3门课程 | 发布时间：2026年3月从零实现神经网络的深度架构课程，涵盖Transformer编码器-解码器、Diffusion模型、GPU加速训练。

2.2 Generative AI Engineering with LLMs Specialization¶

作者：IBM | 7门课程系列 | 预估时间：3个月系统性地覆盖LLM全链路：从Tokenizer到Transformer，从Fine-tuning到RAG+LangChain部署。

2.3 IBM AI Engineering Professional Certificate¶

作者：IBM | 6门课程系列 | 3-6个月覆盖CNN/RNN/AutoEncoder/GAN/LLM全栈深度学习工程实战，含PyTorch/TensorFlow/Keras。

第三阶段：MLOps与生产部署¶

目标人群：掌握模型开发后，希望学习ML系统生产化部署和运维的工程师。

3.1 Machine Learning and Deep Learning for Software Engineers ★ 2026新¶

发布时间：2026年4月 | 3门课程系列为软件工程师设计的ML工程化课程：API开发、容器化部署、MLOps全流程。

3.2 MLOps and LLMOps: Deploying and Scaling AI in Production¶

发布时间：2026年4月 | 1门课程（专项课程的一部分）面向ML工程师的MLOps实战课程，覆盖CI/CD、模型监控、漂移检测、LLM推理优化。 - CI/CD for ML/LLM: GitHub Actions + MLflow - LLM推理优化：延迟优化、Token成本控制、可靠性工程 - LLM-as-a-Judge自动化评估框架 - 可观测性：分布式追踪、漂移检测、Arize Phoenix监控Dashboard

3.3 Microsoft AI & ML Engineering Professional Certificate¶

作者：Microsoft | 5门课程 | 要求：中级Python + Azure基础 - AI & ML基础设施设计：数据管道、模型开发框架、部署平台 - Azure AI & ML工作流：Azure ML全生命周期管理 - AI Agent开发：NLP自主故障排除Agent - 高级技术：GANs、GenAI、可扩展AI系统设计

第四阶段：LLM工程化与优化¶

目标人群：希望深度掌握LLM工程化、评估、优化和部署的高级工程师。

4.1 LLM Engineering That Works Professional Certificate ★ 2026新¶

发布时间：2026年3月 | 6门课程 + 19个短课程 + 4个附加模块生产级LLM工程的全面专业证书课程，面向有经验的ML工程师。

4.2 Tokens to Deployment: NLP, Language Models, & Production API ★ 2026新¶

发布时间：2026 | 9门课程系列从Tokenization到生产API部署的NLP全栈课程。 - Transformer架构与NLP预处理（HuggingFace/spaCy） - BERT微调、多模态ETL管道、Apache Airflow工作流 - 数据质量验证（Great Expectations）、量化/剪枝推理优化 - OAuth2安全API设计、OpenAPI文档、CI/CD工作流

4.3 LLM Optimization & Evaluation Specialization¶

发布时间：2026 | 多门课程系列 - LLM评估：BLEU/ROUGE指标、A/B测试、统计显著性检验 - 幻觉诊断：日志分析、用户行为关联、系统错误定位 - 成本优化：Token消耗分析、数据流价值映射 - 实验跟踪：DVC + W&B、云端自动化工作流 - 安全测试：变异测试、行为测试套件、安全护栏

第五阶段：多模态与专业方向¶

目标人群：希望在CV/NLP/多模态等专业方向深化技术的AI从业者。

5.1 Pixels, Waveforms & Words: Engineering Multimodal AI Systems ★ 2026新¶

发布时间：2026年4月 | 12门课程系列覆盖视觉、音频、语言的完整多模态AI工程课程，从数据处理到系统架构。

5.2 End-to-End Multimodal AI: Fine-Tuning, Fusion, and MLOps¶

发布时间：2026 | 多模态智能专业证书的一部分 - 多模态Transformer微调：PyTorch/TensorFlow迁移学习 - 跨模态检索系统：FAISS + 注意力融合视觉/文本Embedding - MLOps自动化：MLflow实验跟踪 + Ray Tune超参优化 - 推理API：FastAPI + OAuth2 + OpenAPI + 漂移监控

5.3 Open Generative AI Professional Certificate ★ 2026新¶

发布时间：2026年1月 | 13门应用课程专注开源生成式AI的全栈课程，避开供应商锁定，使用HuggingFace/LangChain/Docker/Ollama。 - 环境搭建与数据集准备（HuggingFace Datasets/Gradio） - LLM微调：PEFT/QLoRA/LoRA + 基准测试报告 - Diffusion模型微调：Stable Diffusion + DreamBooth + ComfyUI - RAG管道：LangChain + FAISS/Milvus + 向量数据库 - AI Agent开发：MCP工具集成、记忆系统、多步推理 - 部署：FastAPI + Docker + Ollama + HuggingFace Spaces

第六阶段：综合AI工程认证¶

目标人群：目标成为AI工程师/ML架构师，需要综合技能商业认证的学习者。

6.1 Transformers Unleashed Professional Certificate ★ 2026新¶

发布时间：2026年3月 | 6门课程系列从Transformer模型开发到生产系统架构的全栈AI工程证书。

6.2 AI Engineer Professional Specialization ★ 2026新¶

发布时间：2026年2月 | 多门课程系列 - 超参数调优与交叉验证 - CNN/RNN深度学习架构（图像分类、序列建模） - Transformer与注意力机制（NLP任务） - AI Agent开发（AutoGen、LangGraph、CrewAI、BeeAI） - MLOps：Docker容器化、Kubernetes编排、云部署

6.3 Microsoft Generative AI Engineering Professional Certificate ★ 2026新¶

发布时间：2026年1月 | 5门课程微软生态的生成式AI工程认证，覆盖Azure OpenAI全链路开发。 - 核心GenAI模型：GANs、Diffusion Models、LLMs + Azure AI Foundry - LLM应用开发：Prompt Engineering、RAG管道、Fine-tuning + Azure OpenAI - 多模态集成：Azure AI Vision + Azure AI Services - MLOps：Azure ML生命周期管理 + Responsible AI

6.4 Agentic AI and AI Agents for Leaders¶

发布时间：2026 | Vanderbilt University 专注AI Agent前沿的领导力课程，适合需要了解Agent架构和应用的高级从业者。 - AI Agent架构设计（ReAct、Plan-and-Execute、Multi-Agent） - 工具调用与Function Calling - Agent安全与治理 - 企业级Agent部署策略

附录：推荐学习路线¶

根据学习目标和当前水平，推荐以下三种路径： ① AI工程师路径（推荐12-18个月）第一阶段(Deep Learning Spec) → 第二阶段(Advanced DL Architectures + GenAI) → 第三阶段(MLOps) → 第六阶段(Transformers Unleashed) ② LLM/生成式AI专家路径（推荐10-15个月）第一阶段(Deep Learning Spec) → 第二阶段(GenAI with LLMs) → 第四阶段(LLM Engineering) → 第五阶段(Open GenAI Cert) ③ MLOps/AI架构师路径（推荐8-12个月）第一阶段(Deep Learning Spec) → 第三阶段(MLOps + MS AI ML) → 第四阶段(LLM Optimization) → 第六阶段(AI Engineer Pro) ④ 多模态/AI研究员路径（推荐12-16个月）第一阶段(Deep Learning Spec + TF Advanced) → 第五阶段(Multimodal Spec + Pixels/Waveforms) → 第六阶段(AI Engineer Pro) — 每门课程均可在Coursera官网免费旁听（Free Audit）—

表格 1¶

阶段	主题	核心课程数	预估时长	难度
第一阶段	深度学习核心进阶	2个专项课程(9门)	4-6个月	★★★
第二阶段	生成式AI与LLM	3个专项课程(16门)	5-8个月	★★★
第三阶段	MLOps与生产部署	3个专项/证书(10门+)	4-6个月	★★★★
第四阶段	LLM工程化与优化	3个专项/证书(21门+)	5-7个月	★★★★
第五阶段	多模态与专业方向	3个专项(25门+)	6-8个月	★★★★
第六阶段	综合AI工程认证	4个证书(20门+)	6-10个月	★★★★★

表格 2¶

课程名称	时长	核心内容
Neural Networks and Deep Learning	17小时	神经网络基础、前向/反向传播、向量化实现
Improving Deep Neural Networks	22小时	超参数调优、正则化、优化算法、TensorFlow实战
Structuring Machine Learning Projects	7小时	ML项目策略、误差分析、迁移学习决策
Convolutional Neural Networks	36小时	CNN架构、目标检测、人脸识别、Neural Style Transfer
Sequence Models	37小时	RNN/LSTM/GRU、Word Embeddings、Attention、Transformers

表格 3¶

课程名称	时长	核心内容
Custom Models, Layers, and Loss Functions	17小时	Functional API、自定义损失函数/层、自定义模型
Custom and Distributed Training	14小时	GradientTape、AutoGraph、多GPU/TPU分布式训练
Advanced Computer Vision with TensorFlow	18小时	目标检测、图像分割、卷积可视化、迁移学习
Generative Deep Learning with TensorFlow	16小时	Style Transfer、AutoEncoder、VAE、GAN

表格 4¶

课程名称	时长	核心内容
Neural Networks and Computer Vision Foundations	11小时	从零实现神经网络、CNN架构设计、图像分类、相似性学习
Transformer Architectures and Multimodal Models	11小时	Multi-head Attention、Flash Attention、MoE、多模态模型
Generative AI Models and GPU Systems	13小时	VAE/GAN/Diffusion Models、U-Net条件扩散、多GPU混合精度训练

表格 5¶

课程名称	核心内容
GenAI and LLMs: Architecture and Data Preparation	Tokenization、BERT/GPT/BART/T5、PyTorch DataLoader
GenAI Foundational Models for NLP	Word2Vec(CBOW/Skip-gram)、Seq2Seq、RNN语言模型
Generative AI Language Modeling with Transformers	Attention机制、Transformer翻译/分类、HuggingFace
Generative AI Engineering and Fine-Tuning	BERT/GPT微调、PEFT/LoRA、LLM部署
Advanced Fine-Tuning for LLMs	高级微调技术、RLHF/DPO、模型对齐
Fundamentals of AI Agents Using RAG and LangChain	LangChain、RAG流水线、Agent开发
Project: GenAI Applications with RAG and LangChain	综合项目：构建RAG+LangChain应用

表格 6¶

课程名称	核心内容
Machine Learning with Python	ScikitLearn、监督/无监督学习、模型评估
Deep Learning with Keras and TensorFlow	Keras Sequential/Functional API、回调、模型保存
Deep Learning with PyTorch	PyTorch张量、自动微分、CNN构建、迁移学习
Deep Neural Networks with PyTorch	RNN、GRU、LSTM、seq2seq、注意力机制
Generative AI and LLMs with PyTorch	GPT/BERT、HuggingFace、LangChain、RAG
AI Capstone Project with Deep Learning	端到端AI项目：从数据到部署

表格 7¶

课程名称	核心内容
Applied ML Systems with FastAPI for Developers	Scikit-learn/TensorFlow/PyTorch集成、FastAPI REST API
Deep Learning: Train Neural Networks and Deploy with Docker	PyTorch/TensorFlow、TensorBoard/W&B、Docker部署
Transformers and NLP: Fine-Tuning with HuggingFace	Transformer微调、DVC/MLflow实验跟踪、FastAPI推理API

表格 8¶

课程	核心内容
Building Reliable LLM Systems	LLM评估(词法/语义指标)、幻觉诊断、向量搜索调优
Designing Production LLM Architectures	同步/异步架构、12Factor、K8s、多区域部署
LLM Performance Optimization	成本优化、参数量化、推理加速、缓存策略
LLM Monitoring & Evaluation	A/B测试、统计显著性、漂移检测、Runbook
LLM Safety & Governance	RLHF、红队测试、安全护栏、偏见检测
Capstone: Production LLM System	端到端LLM系统：数据管道到部署监控

表格 9¶

模块	核心内容
图像/音频预处理	归一化、色彩空间转换、光流、帧差分、谱特征提取
训练动态调试	TensorBoard分析、过拟合诊断、梯度问题排查
多模态微调	迁移学习、Transformer多模态微调、注意力融合
跨模态检索	FAISS近邻搜索、Embedding对齐、注意力融合架构
模型评估与伦理	LIME/SHAP可解释性、公平性审计、AI伦理框架
端到端架构	Big O复杂度分析、cProfile性能分析、系统设计文档

表格 10¶

课程	核心内容
Building Vision and NLP Pipelines with TensorFlow	CNN流水线、Transformer NLP工作流、端到端ML管道
Production ML Engineering	Python包管理、ML API开发、CI/CD、自动化测试
Architecting and Integrating Scalable AI Systems	可扩展AI架构设计、云部署、服务集成