人工智能学习笔记· 开篇：六章路线图与阅读顺序
·
一条线贯穿六章：AI 是什么 → 机器学习怎么学 → 深度学习怎么建 → 框架与算力怎么撑 → 行业里怎么落地 → 自己怎么跑起来。
系列目录
| 篇目 | 内容 |
|---|---|
| 第 1 篇 | 人工智能学习笔记· 开篇：六章路线图与阅读顺序 |
| 第 2 篇 | 第 1 章 人工智能概览 |
| 第 3 篇 | 第 2 章 机器学习概览 |
| 第 4 篇 | 第 3 章 深度学习与大模型基础 |
| 第 5 篇 | 第 4 章 人工智能开发框架（上）：框架的作用、通用基础与 PyTorch |
| 第 6 篇 | 第 4 章 人工智能开发框架（下）：应用开发流程、llama.cpp 部署与 AI 芯片 |
| 第 7 篇 | 第 5 章 人工智能前沿应用场景 |
| 第 8 篇 | 第 6 章 实验指导：环境、sklearn、PyTorch 与 llama.cpp |
| 第 9 篇 | 附录：术语中英对照 + 十组最容易混的概念 |
这份笔记怎么读
- 初次学习：按篇目顺序读，先看每篇开头的导读与骨架表，再看正文。
- 复习：用各篇的「本章学习要点」，以及末篇的术语表与易混概念表。
- 动手：第 6 章是环境与实验速查，只保留代码骨架和关键行，数据集与模型需自行准备。
- 配套文件：完整版另有离线网页（含 8 组可拖动的交互演示：梯度下降、交叉验证、混淆矩阵、卷积、激活函数、池化、注意力、剪枝）和 A4 排版的 PDF；本文为平台阅读版，交互演示以静态图呈现。
说明
本文为学习整理，不是任何认证或考试的官方教材；不附带原始课程课件、字幕、截图或个人附件。文中保留的产品名与项目名仅用于技术说明，不表示获得相关机构背书，也不改变第三方项目、数据、模型和商标原有的许可与权利。内容经过事实核对与回归检查，但这不等于保证全部知识无误；发现问题请指出位置与可复核来源。
更多推荐
2
0- 0
已为社区贡献8条内容
所有评论(0)