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。

// 阶段 1 · 数学与编程基础

微积分与优化

导数、偏导、链式法则与梯度，理解“沿梯度下山”。

看学习目标 ↓ 代码与练习 ↓

约 12 小时2 个算法1 篇论文正文编写中

01学习目标

建议先学：Python、NumPy 与开发环境

02要掌握的算法

每张卡都有原始论文、前置和学习资料。

随机梯度下降Stochastic Gradient Descent (SGD) 每次用一小批数据估计梯度，沿下坡方向走一小步。 1951核心 反向传播Backpropagation 用链式法则从输出往回算出每个参数的梯度。 1986核心

03必读论文

04课程与视频

05动手：项目、代码与练习

全部是官方或作者公开的免费页面，多数能在浏览器或免费 Colab 里直接运行。

动手项目

手写梯度下降拟合 y=ax+b，再试三种学习率，画出损失曲线并解释发散与收敛。

  1. 1
    karpathy/micrograd（参考实现） ↗参考实现

    读懂并手敲约 100 行的自动微分引擎，再用它训练一个小网络。

  2. 2
    Distill：Why Momentum Really Works ↗博客图解

    在交互图里调学习率和动量，观察梯度下降何时震荡、何时发散。

06自测题

先自己想，再点开看答案。

梯度指向哪里？

函数值增长最快的方向。

学习率过大会怎样？

可能来回震荡甚至发散。

链式法则在神经网络中的作用？

把输出误差逐层分解成每个参数的梯度。

所在人群路线：算法研究者

数据更新于：AI 算法图谱与课程体系（北京时间）