Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

// 课程 · 第 2 阶段（共 9 阶）

经典机器学习

监督/无监督学习、评估与泛化，以及树模型、SVM、聚类、降维。

从第一个单元开始 → 全部阶段

4 个单元约 32 小时20 个算法

01本阶段单元

按顺序学。每个单元都有学习目标、要掌握的算法、必读论文、动手项目和自测题。

01 · U20 机器学习流程：数据、损失与泛化 训练/验证/测试划分、过拟合、偏差-方差、交叉验证与评估指标。 10 小时3 个算法1 篇论文已有正文 02 · U21 树模型与集成学习 决策树、随机森林、梯度提升、XGBoost/LightGBM——表格数据的王者。 8 小时6 个算法3 篇论文 03 · U22 线性模型、SVM 与近邻 从感知机到最大间隔与核技巧，以及 k 近邻。 6 小时5 个算法2 篇论文 04 · U23 无监督学习：聚类、降维与 EM k-means、高斯混合与 EM、PCA、t-SNE/UMAP。 8 小时6 个算法2 篇论文

02会学到的算法

算法图谱 →

线性回归逻辑回归随机梯度下降决策树（CART）随机森林梯度提升树XGBoostLightGBMAdaBoost感知机支持向量机K 近邻正则化回归（Lasso / Ridge）朴素贝叶斯K 均值聚类期望最大化（EM）主成分分析t-SNEUMAPDBSCAN 密度聚类

属于这些人群路线：算法研究者 · 各学科研究者

数据更新于：AI 算法图谱与课程体系（北京时间）