影子部署 Shadow Deployment
将新模型作为影子服务与现网模型并行运行，记录其预测但不返回给用户，安全积累评估数据。
特征存储 Tecton
了解特征存储的架构，学习 Tecton 如何统一管理离线与在线特征，确保训练与服务阶段特征的一致性。
MLflow 模型注册与版本
使用 MLflow Tracking 记录实验参数与指标，通过 Model Registry 管理模型版本并一键部署到不同平台。
TFX TensorFlow Extended
使用 TensorFlow Extended 搭建端到端的 ML 生产流水线，包括数据验证、转换、训练、评估与模型推送。
机器学习流水线 Kubeflow
在 Kubernetes 上部署 Kubeflow，构建可复现的 ML 流水线，涵盖数据预处理、训练、调参与模型部署。
可信执行环境 TEE in AI
学习基于 Intel SGX 等 TEE 技术的安全 AI 计算，在硬件隔离区域内处理敏感数据，防止特权软件窃取。
TPU 与谷歌张量处理器
学习谷歌 TPU 的脉动阵列架构、大规模 TPU Pod 互连和 bfloat16 精度设计，理解其为何在 ML 工作负载上表现卓越。
GPU 架构 CUDA 编程
理解 GPU 的 SIMT 架构，学习 CUDA 编程的网格-块-线程层次、共享内存优化和流并行，加速深度学习算子。
Sim-to-Real 迁移
解决在仿真中训练的策略无法直接用于真实世界的问题，学习领域随机化、域适应和系统辨识等迁移技术。
符号回归 AI Feynman
学习 AI Feynman 等工具如何通过符号回归和递归分解，从观测数据中自动发现简洁的物理定律和数学公式。
物理信息神经网络 PINN
学习物理信息神经网络如何将物理定律作为损失项嵌入神经网络训练，实现无网格的正逆问题求解与参数辨识。
蛋白质结构预测 AlphaFold
了解 DeepMind 的 AlphaFold 如何通过多序列比对和 Evoformer 交互，结合结构模块精确预测蛋白质三维折叠结构。
CT / MRI 重建
学习使用深度学习方法加速和增强 CT 与 MRI 图像重建，处理低剂量去噪、欠采样恢复和超分辨率问题。
医疗图像分割 nnUNet
学习 nnUNet 如何根据数据集特性自动调整预处理、网络拓扑和后处理策略，成为多种医疗图像分割任务的首选基准。
FastSAM 快速分割
学习 FastSAM 如何基于 YOLOv8-seg 架构实现接近 SAM 的分割能力，同时获得显著更快的实时推理速度。
SAM 分割一切模型
深入 SAM 架构，学习其图像编码器、提示编码器和掩码解码器，如何根据点、框或网格提示对任何图像进行灵活分割。
RT-DETR 实时检测
学习 RT-DETR 如何设计高效的混合编码器和不确定性最小查询选择，成为首个无需后处理的实时 Transformer 检测器。