Start Here

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。

读第一课查看完整路线看视频版
69
篇路线文章
69
节配套视频
6
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。

第一次系统学习

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。

  1. 什么是人工智能？从机器会做什么开始理解 AI
  2. AI、机器学习、深度学习和生成式 AI 有什么区别？
  3. 监督学习与无监督学习是什么？关键区别在有没有答案
  4. 分类和回归有什么区别？先看模型要预测什么
  5. 特征、标签和数据集是什么？模型到底从什么里面学习
20 节已发布课程从这里开始
补齐数据与建模基础

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。

  1. 机器学习项目的完整流程：从原始数据到模型预测
  2. 数据清洗第一课：缺失值、重复值和异常值怎么处理
  3. Pandas 数据清洗实战：把混乱表格变成可训练数据
  4. 特征工程是什么？模型为什么不能直接理解原始数据
  5. 类别特征如何处理：Label Encoding 与 One-Hot Encoding
14 节已发布课程从这里开始
已有基础，开始实践

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。

  1. 计算机怎样读取中文文本：编码、清洗与标准化
  2. 中文分词与停用词：让模型先读懂文本边界
  3. 词袋模型与 CountVectorizer：文本也可以做特征表
  4. TF-IDF 是什么？把中文文本变成模型能读的数字
  5. 训练中文文本分类 baseline：TF-IDF + 逻辑回归
24 节已发布课程从这里开始
System

怎么用这个站学习

1

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。

2

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。

3

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。

79-90

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。

91-100

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。

101-110

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。

111-116

Dify / RAGFlow

围绕 AI 应用工程问题拆解工具，不写成按钮说明，而是解释工作流如何解决真实问题。