这里是 刘姐姐的知识库介绍
为什么做这个
一开始我是想复习和查资料,结果发现这件事很慢。
搜一个概念,跳出来十篇文章,八篇在互相抄,两篇在卖课。 真正讲清楚的往往埋在第 12 页,前面全是「在开始之前,让我们先了解一下什么是人工智能」。
后来我开始问 AI。快是快,但要问对问题才有好答案—— 而我恰恰是那个不知道该怎么问的人。追问五六轮,才勉强拼出个轮廓。 下次再遇到同一个概念,又得从头问一遍。
想快速了解一个新概念的时候,有地方能十分钟看懂它在干什么。
想复习一个学过的概念的时候,能直接翻到那一页,不用重新搜一遍。
而且要有一个稳定的结构——不是一堆散落的问答记录。
所以我把它写了下来。写的过程本身也是复习,能写清楚,才算真的懂了。
这个站主要是为计算机专业的学生准备的: 课上讲过的、作业里用到的、面试会问的,都在这个范围里。
里面有什么
主线:从机器学习到 Transformer
机器学习 + 深度学习这两部分目前是写完的,38 章 219 讲。
| 块 | 章 | 讲到哪 |
|---|---|---|
| 机器学习 | 1–16 | 线性回归、梯度下降、逻辑回归、过拟合、正则化、决策树、 集成、SVM、聚类、降维 |
| 深度学习 | 17–38 | 张量、自动求导、反向传播、CNN 家族、RNN / LSTM、 Seq2Seq、注意力、手写 Transformer |
主线是一条连续的路径,不是零散的知识点。 每一章都建立在前一章上,最后一个字落在 Transformer。
另外还有一块《计算机网络》(7 章 32 课,自底向上从物理层走到应用层)。 骨架已经搭好,正文在写,所以还没算进上面这条主线。
支线:工具与速查
这些不是教程,是用到时翻一下的东西。
| 类别 | 内容 |
|---|---|
| NumPy | 数组、广播、索引、常用函数速查 |
| pandas | 读写、筛选、分组、合并速查 |
| matplotlib | 画图、子图、样式速查 |
| scikit-learn | 统一的 API 套路 |
还没写的
Python 库那一块还在整理。 规划里还有更多方向,但我不想先摆一排空目录——写完一块再放出来一块。
怎么写出来的
正文主要是 AI 写的。我负责定章节、定风格、挑毛病、以及自己拿它复习。
所以:它做不到完美。可能有错、可能有讲得含糊的地方、 也可能有我审的时候没看出来的问题。
我能保证的是:文中所有数字都要求实跑验证过—— BLEU 分数、参数量、训练曲线,不是编的。 讲错的地方请你告诉我。
怎么用
| 你想干什么 | 怎么走 |
|---|---|
| 系统学一遍 | 从「机器学习」进,按顺序读。别跳章 |
| 查一个概念 | 首页搜索框,或者进对应部分翻目录 |
| 复习 | 首页卡片会记住你上次读到哪,点进去接着读 |
联系
发现错误、有建议、想让我补某个方向,都可以发邮件:
没有版权限制,随便用。但请别把它当成权威资料—— 真要严谨,以论文和官方文档为准。