DeepLearning.AI 汇集生成式人工智能与机器学习课程。选课时可以从手头要完成的项目倒推，例如想理解知识库问答，就先看课程是否覆盖资料准备、检索与评估。开课前确认基础要求和练习所需的账号或环境，避免学到中途才发现依赖不合适。遇到示例代码时，先在课程环境跑通一遍，再记录关键配置和输入。
完成章节后，可用自己有权使用的样本重做练习，看看换一份数据后哪些参数需要调整。学习笔记建议包含原始目标、遇到的失败和修正方式，比单记命令更容易迁移到项目。若在团队中组织共学，可以让每个人用同一个概念解决不同的小问题，最后比较各自的限制。遇到课程涉及更新较快的接口时，结合对应软件的文档核对版本。课程是否真正有帮助，可以看你能否在不照抄示例的情况下解释做法并验证结果。
一个可以独立完成的小练习是用公开文档重做一个课程里的检索练习。开始前把交付结果写下来，再准备一份已知答案或人工制作的参考版本。完成后把两份结果放在一起，标出最有帮助的部分，以及仍然需要人工处理的细节。如果准备把这个做法交给同事，可以留下实际输入、操作顺序和遇到的问题，让下一位使用者能从同一个起点继续验证。