先读路线，不急着收藏全部文章
路线页负责告诉你知识之间的顺序，避免一上来就被术语淹没。
新手从这里开始
这个博客不只是文章列表，而是一条从 AI 基础、传统机器学习、中文文本分类、PyTorch 深化到后续工程化的学习路线。 先选一条路径，再顺着每篇文章里的“下一步”读下去。
- 68
- 篇路线文章
- 68
- 节配套视频
- 5
- 个已发布阶段
三条阅读路径
不同基础的人不需要从同一个页面开始。先按目标选路径，后面再补缺口。
Path 01
零基础从这里开始
适合第一次系统学 AI 的读者，先建立地图，再理解数据、任务和评价指标。
- 什么是人工智能？从机器会做什么开始理解 AI
- AI、机器学习、深度学习和生成式 AI 有什么区别？
- 监督学习与无监督学习是什么？关键区别在有没有答案
- 分类和回归有什么区别？先看模型要预测什么
- 特征、标签和数据集是什么？模型到底从什么里面学习
传统机器学习补基础
适合想把数据、特征工程、建模、评估和模型选择这条链路系统补齐的人。
- 机器学习项目的完整流程：从原始数据到模型预测
- 数据清洗第一课：缺失值、重复值和异常值怎么处理
- Pandas 数据清洗实战：把混乱表格变成可训练数据
- 特征工程是什么？模型为什么不能直接理解原始数据
- 类别特征如何处理：Label Encoding 与 One-Hot Encoding
项目与 PyTorch 深化
适合想把知识落到中文文本分类项目，并继续进入 PyTorch 训练脚本能力的人。
- 计算机怎样读取中文文本：编码、清洗与标准化
- 中文分词与停用词：让模型先读懂文本边界
- 词袋模型与 CountVectorizer：文本也可以做特征表
- TF-IDF 是什么？把中文文本变成模型能读的数字
- 训练中文文本分类 baseline：TF-IDF + 逻辑回归
System
怎么用这个站学习
每篇文章先看视频，再读正文
视频帮你建立第一印象，正文负责补细节、代码和容易混淆的点。
遇到陌生词就用搜索页回查
搜索页按标题、摘要和标签索引内容，适合快速找概念、工具和项目记录。
后续会更新什么
已经发布的内容负责打基础，后面会继续进入深度学习项目、NLP、Transformer、大模型、RAG 和部署优化。
NLP 与序列模型
从文本编号进入 Embedding、FastText、RNN、LSTM 和文本生成，先理解序列模型的能力与局限。
Transformer 与 BERT
放慢 Attention 推导过程，从 RNN 的局限进入 Self-Attention、Transformer Encoder 和 BERT 分类。
大模型开发
从安全调用 API 开始，逐步掌握提示词、结构化输出、Few-shot、ReAct 和工具调用。
RAG 与知识库
掌握从文档进入知识库到检索、重排、引用回答和评估的完整流程。