01
完成基础作业检查
从 2025 课程链接进入基础作业，按说明实现组件，并运行该版本提供的测试。
完成标准保存测试结果和最小模型训练记录；资料、代码与作业要求属于同一版本。
前置知识
熟练 Python 和 PyTorch，掌握微积分、线性代数、概率与机器学习基础，并了解计算机系统。
设备与环境
先在 CPU 调试正确性；性能、分布式和较大训练实验需按作业安排 GPU。
获取与费用
公开课资料与作业；自学不等于斯坦福学籍或课程证书，算力另计。
READ WITH A QUESTION
本站建议 · 可按已有能力跳读推荐阅读顺序
LEARN BY BUILDING
— / 3 已完成给学习一个完成标准
完成下面的实验并检查结果后，再勾选任务。你可以随时取消勾选。
02
写一份性能实验
选一个瓶颈，固定硬件、模型和批次，对比修改前后的耗时与内存占用。
完成标准保留测量方法、重复实验和正确性校验；结论只适用于记录的实验条件。
03
评估一次数据处理
选取可合法使用的小语料，对比过滤或去重前后的规模，并固定评估集。
完成标准提交处理规则、样本数量和留出集指标，能复现过程并说明局限。
勾选记录仅保存在当前浏览器，不会同步到账号或其他设备。
来源与版本说明
此链接是 Spring 2025 归档页，按该版本的课程与作业整理。跟练时保持资料和作业版本一致；新版入口以课程官网为准。
官方资料核对于 2026-10-13 · 实践任务与完成标准为本站原创整理