挑一门课, 开始动手
选择一门课程开始你的学习之旅。 (18)
机器学习入门
从零开始理解机器学习的核心概念、关键术语与基础算法。零基础友好,讲清楚每一个直觉。
监督学习进阶
在掌握线性回归之后,深入 4 类主流监督学习算法,理解它们各自擅长什么、什么时候该用。
神经网络与深度学习入门
从感知机到多层网络,搞懂反向传播的链式法则、激活函数与损失函数,以及训练神经网络的实用技巧。
深度学习进阶
从 CNN 到 Transformer,理解现代深度学习的核心架构。适合已经掌握神经网络基础、想进一步的同学。
强化学习入门
从零理解强化学习:智能体、环境、奖励。涵盖 Q-Learning、DQN,以及用 PyTorch 训 CartPole。
统计基础:数据与图表
从批判性思维到数据类型、抽样、图表与描述统计,构建统计学基础。源自《基础统计学》第 1-3 章。
概率论基础
概率的基本概念、加法/乘法原理、贝叶斯定理、计数法则与离散概率分布。源自《基础统计学》第 4-5 章。
连续分布与抽样
正态分布、抽样分布、中心极限定理与正态性检验。源自《基础统计学》第 6 章。
统计推断:参数估计
置信区间、t 分布、样本量确定。源自《基础统计学》第 7 章。
统计推断:假设检验
假设检验的逻辑、p 值、单/双样本 t 检验、非参数检验。源自《基础统计学》第 8-9、13 章。
回归与分类分析
相关分析、线性/多元/非线性回归、卡方拟合优度与列联表、ANOVA。源自《基础统计学》第 10-12 章。
自然语言处理入门
从分词、TF-IDF、Word2Vec 到情感分析,带你走进让计算机理解人类语言的世界。
时间序列分析
从平稳性、ARIMA、Prophet 到异常检测,掌握处理时序数据的核心方法。
MLOps 入门
把 ML 模型从 notebook 带到生产:版本管理、CI/CD、部署、监控与漂移检测。
图神经网络入门
从图基础到 GCN/GraphSAGE/GAT, 看社交网络/分子/推荐背后的图神经网络技术。
计算机视觉入门
从 CNN / ResNet 到迁移学习、目标检测、图像分割,看懂抖音/自动驾驶背后的视觉技术。
推荐系统入门
从协同过滤到矩阵分解、深度学习推荐、评估指标,理解抖音/淘宝背后的核心技术。
大语言模型入门
从 Transformer 原理到预训练、Prompt 工程与 RAG,掌握大模型时代的核心技术。