我完成 7 個 Andrew Ng Machine Learning 同 AI 課程嘅旅程

我要承認，一開始上 Andrew Ng 嘅課程就停唔到 :D 過去幾個月我喺 Coursera 同 DeepLearning.AI 完成咗佢七個課程。每個都建基於上一個，畀我越嚟越清晰嘅畫面去理解 machine learning 同 AI 實際上點運作。以下係我對呢啲課程嘅睇法，以我覺得如果你從零開始最合理嘅順序排列：

• Machine Learning Specialization
• ChatGPT Prompt Engineering for Developers
• Generative AI for Everyone
• Building system with chatGPT API
• Neural Networks and Deep Learning
• Functions, Tools, and Agents with LangChain
• Vector Databases: from Embeddings to Applications

1. Machine Learning Specialization - 紮實嘅基礎

呢個適合初學者嘅 3 課程 specialization 提供 machine learning 概念同應用嘅紮實基礎。課程從 supervised learning 演算法（例如 regression 同 classification）到更進階嘅技術（例如 unsupervised learning 同 reinforcement learning）。我好欣賞 Python 嘅動手 coding 練習，即使程式設計經驗有限都覺得可以跟上。呢個係最好嘅 machine learning 入門課程之一。

2. Generative AI for Everyone - 揭開炒作嘅面紗

針對非技術人員，呢個課程揭開 generative AI 嘅神秘面紗，解釋佢嘅應用同限制。內容組織得好好，平衡利弊同打破常見迷思。呢個對任何想從構思到推出理解 generative AI 嘅人嚟講都係一個好課程，包括建立有效嘅 prompt。

3. Neural Networks and Deep Learning - 理解關鍵模型

呢個課程開始更深入 deep learning，點樣應用到 supervised learning、模型嘅主要類別（CNNs、RNNs 等）、同佢哋應該喺乜時候應用。喺「Machine Learning Specialization」之後上呢個課程可能覺得某啲內容有啲重複。可以跳過。

4. 當你準備好砌你嘅第一個 Gen AI 應用

當你覺得準備好開始砌你嘅第一個應用，特別係 Gen AI 應用，由以下課程開始：「ChatGPT Prompt Engineering for Developers」、「Building system with chatGPT API」。

呢啲課程會幫你慳好多時間，因為佢哋會畀你一個概覽，講你砌應用嗰陣最重要嘅步驟。當然佢哋附有示例 code，所以好實用。

ChatGPT Prompt Engineering for Developers

呢個課程對初學者同進階學習者都好有用。由 Andrew 同 OpenAI 嘅 Isa Fulford 教。聚焦於 prompt engineering 嘅細微差別同使用 Large Language Models (LLMs)。課程出色咁解釋 LLMs 嘅核心概念並提供 prompt engineering best practices 嘅實際見解。對想理解同運用 LLM APIs 喺各種應用嘅人特別有價值。例如點樣叫 GPT 以 JSON 格式輸出答案，等你可以喺應用入面之後用。

Building Systems with the ChatGPT API

呢個係 Prompt Engineering 課程嘅後續，呢個一個鐘嘅 session 對 LLMs 初學者嚟講好完美。提供動手例子同教你點樣有效咁用 large language models 砌多步驟系統。呢個課程係對 prompt engineering 同 large language model 應用有興趣嘅人嘅優秀入門。我欣賞以下方面嘅指導同實際 code 例子：

• 點樣用「Moderation API」去驗證用戶 input，避免 prompt injection
• Chain of thought reasoning
• Chaining prompts
• Output evaluations

5. 準備好更深入？

上完呢啲課程之後，如果你想更深入 Gen AI 應用開發，「Functions, Tools, and Agents with LangChain」同「Vector Databases: from Embeddings to Applications」呢兩個課程係完美嘅。

理解 vector database 係乜、點運作、同佢點幫你砌多模態 generative AI 應用真係超正。

回望，我好感恩呢啲課程點樣互相銜接。佢哋畀我嘅唔止理論知識，仲有實際嘅信心去開始砌嘢。如果你同我一樣係非技術背景嘅人，我覺得呢個真係最好嘅學習路徑。

6. 更新（2025年11月）：付諸實踐

記得我話過期待「將學到嘅嘢應用到實際項目」嗎？我真係做到咗。

完成呢啲課程之後，我花咗 75 日砌 https://stratum.chandlernguyen.com/ ——一個 9-agent AI marketing 平台，正正應用 Andrew 教嘅嘢：LLM prompt engineering、function calling、chain-of-thought reasoning、同 multi-agent systems。

個平台用 11 個策略框架（SWOT、Porter's Five Forces、Blue Ocean Strategy 等）同 progressive learning——即 AI agents 每次對話後對你嘅業務越嚟越聰明。佢係為需要策略智慧而唔只係執行嘅小企業同 marketing agency 設計嘅。

完美嗎？肯定唔係（我仲喺學！）。但佢上線咗、運作緊、而且直接來自應用我從 Andrew 課程學到嘅嘢。有時最好嘅學習方式就係砌一啲真正嘅嘢。

如果你好奇呢啲 AI 概念點樣轉化成實際產品，你可以睇多啲關於 STRATUM：我用 75 日（其中 10 日喺病中）獨自砌嘅 9-Agent Marketing Application 或 https://stratum.chandlernguyen.com/。

仲喺寫 code，仲喺學，仲喺將 Andrew 嘅教學應用到真正嘅問題上。

你呢——你有冇上過呢啲課程，或者你喺類似嘅學習旅程上？好想聽吓乜嘢有用（或冇用）。

祝好，

Chandler