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

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。

看学习目标 ↓ 代码与练习 ↓

约 12 小时3 个算法0 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。

逻辑回归Logistic Regression 用 S 形函数把线性得分变成概率，做二分类。 1958核心 期望最大化（EM）Expectation–Maximization (EM) 在有隐藏变量时交替“猜隐藏值—更新参数”。 1977扩展 变分自编码器 VAEVariational Autoencoder (VAE) 把数据编码成概率分布，再从中采样解码生成新数据。 2013核心

03课程与视频

04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

模拟抛硬币实验，用最大似然估计偏置；再计算两个分布的交叉熵与 KL 并验证 KL≥0。

  1. 1
    Brown University：Seeing Theory 概率可视化 ↗交互演示

    用交互可视化过一遍概率、分布、贝叶斯推断和回归。

  2. 2
    Mathematics for Machine Learning 配套仓库（含 Notebook 教程） ↗可运行 Notebook

    跑书配套的 Notebook 教程（线性回归、PCA、高斯混合）。

05自测题

先自己想，再点开看答案。

交叉熵损失与最大似然有何关系？

最小化交叉熵等价于最大化数据的对数似然。

KL 散度是否对称？

不对称，KL(P||Q)≠KL(Q||P)。

温度调高对 softmax 分布有何影响？

分布变平，采样更随机。

所在人群路线：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）