23 个学习板块536 个阅读单元中文讲解 · 可离线阅读阅读时间与动手实践分开计算
找到你的起点
选最像现在的你的一项,就可以开始。
按方向,慢慢探索
缺哪一层补哪一层,也可以只查一个问题。
认识模型
先建立地图,再补上基本功
把模型用起来
从数据到应用,再到稳定上线
编程与工具
用到哪里,就回来补哪里
深入一个方向
有了基础,再选一条感兴趣的路
交叉知识与参考
换一个视角,或查一份原始资料
带着目标,走一条路线
想边学边做?从一份具体成果开始。
从零基础
输入与预测 → 评估 → 环境与方向。七步留下训练/测试对照。
可先观察 · 动手另计RAG 项目
入库与权限 → 解析 → 检索 → 引用与评测。七步交出报告和失败清单。
真实生成与人工语义复核分开Agent 工程
工具合同 → 审批恢复 → 状态与隔离 → 重试预算。七步保存行为证据。
真实传输、公开回放各有范围面试复习
短回答 → 原始证据 → 失败与限制。七步留下六张口述卡和答辩材料。
公开冻结题不称独立盲测查看实验状态 ↗ · 代码可用、本地实跑、合成回放与人工质量复核分别记录。
需要时,再打开这份指南
不用记住所有路径。
我有一个具体问题,该读哪一章?按学习目标、工作场景查找建议
| 你是谁 | 建议 |
|---|---|
| 想打牢基本功 / 觉得只会调包 | 👉 机器学习与深度学习基础,重点第 5、11 章 |
| 不知道该学什么 | 👉 全景导论 的第 1 章 + 第 16 章决策章,40 分钟出答案 |
| 想做 AI Agent / 大模型应用 | 👉 智能体工程 按顺序走,重点第 12 章 |
| 想做推荐算法 / 搜广推岗位 | 👉 推荐算法 按顺序走,重点第 6、12 章 |
| 想搞懂模型底层原理 | 👉 基础教程 07–14 章 → 全景导论 第 2、3、4 章 |
| 要做企业知识库 / 文档问答 | 👉 全景导论 第 8 章 RAG(实用价值第一) |
| 在打 Kaggle / 数据竞赛 | 👉 Kaggle 竞赛方法论,先看通用方法论 01–04,再进对应赛道 |
| 模型训不出来 / loss 不动 | 👉 基础教程 第 11 章训练调试手册,1 天见效 |
| 想搞懂 ChatGPT 是怎么对齐的 | 👉 强化学习基础 走 01 → 02 → 03 → 09 → 11 → 12,3 小时看懂 RLHF |
| 规则老记不住 / 想知道「凭什么」 | 👉 数学原理 先读 第 1、2 章 —— 它俩是钥匙,后面很多章是锁 |
| 显存不够 / 推理太贵 / GPU 跑不满 | 👉 AI 基础设施 第 3、4 章(显存带宽墙 + Roofline),后面十几章都是这两章的推论 |
| 模型没问题,但结果就是不对 | 👉 数据这一关 第 14 章(泄漏的七种来源)—— 离线好得离谱、线上崩掉,先查这里 |
| 标注对不齐 / 两个人标出两套答案 | 👉 数据这一关 第 9、10 章:标注指南怎么写、一致性怎么量 |
| 做安全 / 想懂 HTTPS、区块链底层 | 👉 密码学与信息安全,零依赖可独立读;只有一小时就读第 3、8 章 |
| 模型上线了,但不知道它还好不好 | 👉 模型上线之后,先看 第 4、7 章(最常见的事故源 + 最容易忽略的盲区) |
| 只想查某个具体主题 | 👉 直接进 资料库,12 个主题分类找 |
这些知识之间,有什么关系?查看 12 个主干板块的依赖关系
允许跳过
⭐ 是核心,🎁 是加餐。时间不够就先读核心,跳过也是一种策略。
按精力决定读多少
只看一个例子也可以。记下停在哪里,不把每次读完一章当作要求。
中断了,随时回来
先扫一眼 ⚡ 走神救援,再回到上次的例子。忘了就重读,不用赶。