Curriculum Map · DOTE 3010
课程地图 · DOTE 3010
課程地圖 · DOTE 3010
A Business-First Path to
Building with AI
一条商业优先的
AI 构建路径
一條商業優先的
AI 建構路徑
The course moves from AI foundations and product thinking into three applied frontiers: prediction, perception, and generation. Every module connects market demand, technical fluency, case analysis, and hands-on practice.
课程从 AI 基础与产品思维出发，进入预测、感知、生成三大应用前沿。每个模块都连接市场需求、技术理解、案例分析与动手实践。
課程由 AI 基礎與產品思維出發，進入預測、感知、生成三大應用前沿。每個模組都連接市場需求、技術理解、案例分析與動手實踐。
Learning Logic学习逻辑學習邏輯
The course is built as a product journey.课程被设计成一段产品旅程。課程被設計成一段產品旅程。
Module 0 establishes the builder mindset. Modules 1 to 3 show how different AI capabilities create business value when they are tied to the right problem.
Module 0 建立构建者心智；Module 1 到 3 展示不同 AI 能力如何在匹配真实问题时创造商业价值。
Module 0 建立建構者心智；Module 1 到 3 展示不同 AI 能力如何在匹配真實問題時創造商業價值。
Course Spine课程主线課程主線
Demand, AI capability, product evidence.需求、AI 能力、产品证据。需求、AI 能力、產品證據。
Across the decks, students repeatedly answer three questions: who has the pain point, which AI approach fits the task, and what prototype or analysis would prove the value.贯穿所有课件，学生反复回答三个问题：谁有痛点，哪类 AI 能力适合任务，什么原型或分析可以证明价值。貫穿所有課件，學生反覆回答三個問題：誰有痛點，哪類 AI 能力適合任務，什麼原型或分析可以證明價值。
- Market demand市场需求市場需求
- Case reasoning案例推理案例推理
- Hands-on artifact动手产出動手產出
- MVP validationMVP 验证MVP 驗證
00
Learn the builder frame建立构建者框架建立建構者框架
Start from AI literacy, product need, Figma demo practice, and Python basics.从 AI 基础、产品需求、Figma 演示和 Python 基础开始。由 AI 基礎、產品需求、Figma 演示和 Python 基礎開始。
01
Predict what changes decisions预测会改变决策的变量預測會改變決策的變量
Use cryptocurrency price movement as a market-facing prediction case.以加密货币价格走势作为面向市场的预测案例。以加密貨幣價格走勢作為面向市場的預測案例。
02
Perceive documents and workflows理解文档与流程理解文件與流程
Apply OCR, NLP, and anomaly detection to accounting and audit work.将 OCR、NLP 与异常识别用于会计和审计工作。將 OCR、NLP 與異常識別用於會計和審計工作。
03
Generate the product path生成产品路径生成產品路徑
Turn an idea into PRD, roadmap, architecture, local MVP, and troubleshooting habits.把想法转化为 PRD、roadmap、架构、本地 MVP 和排障习惯。把想法轉化為 PRD、roadmap、架構、本地 MVP 和排障習慣。
Module Detail模块详情模組詳情
Four blocks, one cumulative capability.四个模块，能力逐层累积。四個模組，能力逐層累積。
The page below reflects the content in Modules 0-3: onboarding and product thinking, predictive AI, perception AI, and generative AI for web product development.
以下内容来自 Module 0-3：课程导入与产品思维、预测式 AI、感知式 AI，以及面向 Web 产品开发的生成式 AI。
以下內容來自 Module 0-3：課程導入與產品思維、預測式 AI、感知式 AI，以及面向 Web 產品開發的生成式 AI。
AI foundations and product thinkingAI 基础与产品思维AI 基礎與產品思維
Students learn what the course is for: becoming builders who understand the market, not just users of AI tools.学生理解课程目标：成为理解市场的 AI 构建者，而不只是工具使用者。學生理解課程目標：成為理解市場的 AI 建構者，而不只是工具使用者。
- Course vision, assessment, AI categories, and quick building demo.课程愿景、评估方式、AI 类型和快速构建演示。課程願景、評估方式、AI 類型和快速建構演示。
- Amazon Rufus case: from search pain to guided discovery.Amazon Rufus 案例：从搜索痛点到引导式发现。Amazon Rufus 案例：由搜尋痛點到引導式發現。
- Figma demo guidance and Python basics for later practice.Figma 演示指南与后续实践所需的 Python 基础。Figma 演示指南與後續實踐所需的 Python 基礎。
Cryptocurrency and prediction加密货币与预测加密貨幣與預測
The predictive AI block uses crypto markets to teach data preprocessing, model evaluation, machine learning guidance, and decision support.预测式 AI 模块以加密货币市场为场景，讲解数据预处理、模型评估、机器学习指导与决策支持。預測式 AI 模組以加密貨幣市場為場景，講解數據預處理、模型評估、機器學習指導與決策支持。
- Crypto basics: wallets, exchanges, mining, ecosystem, and market behavior.加密货币基础：钱包、交易所、挖矿、生态与市场行为。加密貨幣基礎：錢包、交易所、挖礦、生態與市場行為。
- Price movement prediction with market, macro, and crypto datasets.结合市场、宏观与加密货币数据进行价格走势预测。結合市場、宏觀與加密貨幣數據進行價格走勢預測。
- Compare model output with the business decision it is meant to improve.把模型输出和它要改善的商业决策放在一起评估。把模型輸出和它要改善的商業決策放在一起評估。
Accounting workflows and document intelligence会计流程与文档智能會計流程與文件智能
Students examine where accounting loses time and accuracy, then see how OCR, NLP, and AI review layers change the workflow.学生分析会计流程中时间与准确性的损耗，再理解 OCR、NLP 和 AI 审阅层如何改变工作流。學生分析會計流程中時間與準確性的損耗，再理解 OCR、NLP 和 AI 審閱層如何改變工作流。
- Manual invoice, verification, approval, reconciliation, and filing bottlenecks.发票、核验、审批、对账与归档中的人工瓶颈。發票、核驗、審批、對賬與歸檔中的人工瓶頸。
- OCR and NLP turn unstructured documents into structured fields and review queues.OCR 与 NLP 将非结构化文档转为结构化字段和审阅队列。OCR 與 NLP 將非結構化文件轉為結構化欄位和審閱隊列。
- Accounting and audit cases show capacity gains, full-population analysis, and exception-first review.会计与审计案例展示产能提升、全量分析与异常优先审阅。會計與審計案例展示產能提升、全量分析與異常優先審閱。
From idea to web MVP从想法到 Web MVP由想法到 Web MVP
The generative AI module treats AI as both the product capability and the development partner for building a local AI Learning Assistant.生成式 AI 模块把 AI 同时视为产品能力和开发伙伴，用于构建本地 AI Learning Assistant。生成式 AI 模組把 AI 同時視為產品能力和開發夥伴，用於構建本地 AI Learning Assistant。
- Generative AI fundamentals: prompts, tokens, foundation models, and content generation.生成式 AI 基础：提示词、token、基础模型与内容生成。生成式 AI 基礎：提示詞、token、基礎模型與內容生成。
- Web stack, PRD, roadmap, architecture, and local launch workflow.Web 技术栈、PRD、roadmap、架构与本地启动流程。Web 技術棧、PRD、roadmap、架構與本地啟動流程。
- Maintainability practices: modular design, Cursor rules, code rot control, and environment-first troubleshooting.可维护性实践：模块化设计、Cursor rules、代码腐化控制与环境优先排障。可維護性實踐：模組化設計、Cursor rules、代碼腐化控制與環境優先排障。
Artifacts学习产出學習產出
What students leave with.学生最终带走什么。學生最終帶走什麼。
Decision Lens决策视角決策視角
AI tied to business outcomes让 AI 对应商业结果讓 AI 對應商業結果
Students learn to ask whether a prediction, extraction, or generated feature changes cost, conversion, speed, quality, or user experience.学生学会判断一次预测、抽取或生成能力是否改变成本、转化率、速度、质量或用户体验。學生學會判斷一次預測、抽取或生成能力是否改變成本、轉化率、速度、質量或用戶體驗。
Working Evidence可运行证据可運行證據
Notebooks, demos, and MVPsNotebook、演示与 MVPNotebook、演示與 MVP
Lecture concepts are paired with notebooks, datasets, product documents, and local demos so that claims can be tested.课堂概念会配套 notebook、数据集、产品文档与本地 demo，让主张可以被验证。課堂概念會配套 notebook、數據集、產品文件與本地 demo，讓主張可以被驗證。
Browse the full curriculum repository.浏览完整课程仓库。瀏覽完整課程倉庫。
The GitHub repository contains the complete DOTE 3010 course materials: slide decks, PDFs, notebooks, datasets, assignments, and supporting guides.GitHub 仓库包含完整 DOTE 3010 课程材料：幻灯片、PDF、notebook、数据集、作业与辅助指南。GitHub 倉庫包含完整 DOTE 3010 課程材料：幻燈片、PDF、notebook、數據集、作業與輔助指南。