LEARNING PATHS / 6 ROUTES
按一个问题，跨章节连续学习。
每条路线从教材正文中选择必要章节，给出明确顺序、阶段目标、检查点与练习；章节仍是知识来源，路线负责组织学习节奏。
- 01
从感知机到 Transformer
沿梯度流、卷积、循环、注意力和残差结构理解现代神经网络。
约 32 小时 · 精选 12 个教材章节 - 02
从线性模型到神经网络
从监督学习和线性分类进入损失、泛化、多层感知机与反向传播。
约 24 小时 · 精选 12 个教材章节 - 03
机器学习数学基础
把线性代数、多变量微分、概率矩和优化连接为机器学习的统一计算语言。
约 14 小时 · 精选 7 个教材章节 - 04
科学机器学习
从微分方程、数值离散与计算图中选取必要节点，进入物理约束学习、神经算子和科学验证。
约 20 小时 · 精选 9 个教材章节 - 05
生成模型入门
比较潜变量、重建、对抗、流、能量、得分和扩散等生成建模路线。
约 28 小时 · 精选 7 个教材章节 - 06
数学物理方法基础
由微分方程、本征函数和傅里叶方法进入波动、边值问题与基础量子模型。
约 34 小时 · 精选 12 个教材章节