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 · U30 神经网络与反向传播 从神经元、多层感知机到反向传播与激活函数。 10 小时4 个算法2 篇论文已有正文 02 · U31 训练深层网络：优化器、归一化与正则 SGD/动量/Adam/AdamW/Muon、学习率调度、BatchNorm/LayerNorm/RMSNorm、Dropout、残差。 10 小时10 个算法4 篇论文 03 · U32 CNN、RNN 与注意力的诞生 卷积网络、LSTM、Seq2Seq、词向量与 Bahdanau 注意力。 10 小时7 个算法5 篇论文 04 · U33 强化学习基础 MDP、Q 学习、DQN、策略梯度、PPO 与 AlphaZero——后训练和推理模型的前置。 14 小时12 个算法4 篇论文
02会学到的算法
算法图谱 →感知机反向传播GELU 激活函数自编码器随机梯度下降Adam 优化器AdamWMuon 优化器批归一化层归一化RMSNormDropout残差网络权重初始化（Xavier / He）卷积神经网络LSTM 长短期记忆网络序列到序列（Seq2Seq）Word2Vec 词向量注意力机制（Bahdanau）门控循环单元（GRU）Q 学习深度 Q 网络 DQN策略梯度 REINFORCE近端策略优化 PPO软演员-评论家 SACAlphaGo / AlphaZero（自对弈 + 蒙特卡洛树搜索）MuZeroActor-Critic 与 A3C/A2C信赖域策略优化（TRPO）DDPG / TD3（连续动作控制）保守 Q 学习（CQL，离线强化学习）Decision Transformer