课程资料

Gemini CLI: Code & Create with an Open-Source Agent

平台:DeepLearning.AI;作者:Jack Wotherspoon。讲解 Gemini CLI 的安装、上下文管理、MCP 工作流与扩展生态,结合软件开发、数据分析、内容创作与学习四大场景,演示如何用多模态工具链和自定义命令在终端中构建、测试、部署与协同。

Agent Skills with Anthropic

平台:DeepLearning.AI;作者:Elie Schoppik。讲解Skills开放标准,示范如何用 SKILL.md、MCP、子代理和 Claude/API/Code/Agent SDK 组合,构建可复用的代码生成、数据分析、研究与办公工作流,并遵循渐进式披露与最佳实践保证可靠性。

Build with Andrew

平台:DeepLearning.AI;作者:Andrew Ng。面向零基础学习者,手把手演示用提示词与协作式 AI 在数分钟内生成、下载、定制 Web 应用,从生日贺卡到小游戏,教授逐步改进、故障排查与可复用框架,帮助你快速上手无代码 AI 开发。

Agentic AI

平台:DeepLearning.AI;作者:Andrew Ng。讲解四大代理式设计模式(反思、工具调用、规划、多代理),结合 Python 实战拆解多步工作流构建与评估,涵盖外部数据接入、错误分析、测试框架与生产部署,帮助你设计可靠的自主 AI 系统。

本文是关于压缩感知理论的讲座笔记,介绍了一种突破传统奈奎斯特采样定理限制的信号采集方法。通过利用信号的稀疏性或可压缩性,采用线性测量矩阵与优化重构算法,以远低于奈奎斯特率的测量次数完成信号恢复。文中详细阐述了测量矩阵的稳定性条件,包括约束等距性和不相干性等核心概念。