// 人群路线
各学科研究者
有本专业背景，学会用机器学习与大模型做科研，并对接“AI × 学科”板块。
已完成 0 / 15
15 个单元约 143 小时每周 6–8 小时
01路线
学完一个就勾上。进度只保存在这台设备的浏览器里，不需要账号。
-
提示词与高效使用 AI
掌握角色、上下文、示例、分步思考与结构化输出等提示技巧。
-
Python、NumPy 与开发环境
能读写 Python，会用 NumPy 做向量化计算，会用命令行、Git 和 Jupyter。
-
概率、统计与信息论
分布、期望、贝叶斯、最大似然、交叉熵与 KL 散度。
-
PyTorch 入门与自动求导
张量、自动求导、数据加载与训练循环。
-
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。
-
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。
-
无监督学习：聚类、降维与 EM
k-means、高斯混合与 EM、PCA、t-SNE/UMAP。
-
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。
-
Transformer 与注意力
自注意力、多头、位置编码、残差与归一化，从零实现 GPT。
-
指令微调与参数高效微调
SFT、合成数据、LoRA/QLoRA/DoRA、适配器、模型合并。
-
视觉 Transformer 与自监督视觉
ViT、SimCLR、MAE、JEPA、SAM。
-
RAG 系统工程与评估
切分、查询改写、HyDE、GraphRAG、引用、评估指标。
-
Agent：工具调用、MCP、规划与记忆
ReAct、函数调用、MCP、反思、记忆、多 Agent、计算机操作与沙箱。
-
AI for Science 与各学科应用
图神经网络、AlphaFold、AlphaGeometry、自动化科研，与本站“AI × 学科”板块联动。
-
如何追踪前沿：读论文与复现
读论文三遍法、追踪 arXiv/会议、复现与写作。