人工智能¶ 人工智能的共享基础：学习原理、表示与架构，生成、感知与决策，以及工程与评估。基础模型与具身智能各自成栏，这里维护它们共用的方法。 从这里开始¶ 快速入门 十四天补齐训练、架构、评估与部署，做出一个从 GPU 到 MCU 的作品。 进入 全貌与知识地图 十个模块之间的关系，以及每个模块第一轮学到什么程度。 进入 学习路线 按背景诊断缺口，分轮推进，不盲目打卡。 进入 知识体系¶ 学习基础与经典方法 概率与优化、泛化、数据，以及线性、树、集成等经典方法。 进入 表示学习 嵌入与迁移，自监督、对比与掩码学习。 进入 网络架构 MLP、CNN、Transformer、Mamba 与图网络的结构取舍。 进入 几何表示与生成建模 流形与潜空间，扩散模型与流匹配。 进入 视觉与三维空间 检测、分割、深度、点云与三维重建。 进入 搜索规划与决策学习 MDP、强化学习、模仿与离线学习。 进入 时序与科学机器学习 时序预测与异常检测，PINN 与神经算子。 进入 高效训练与工程 复现、性能分析、量化、蒸馏与部署。 进入 评估与可信 AI 数据质量、校准、不确定性与分布外泛化。 进入 延伸¶ 前沿技术索引 把新术语放回知识地图。 进入 基础模型 大语言模型与多模态模型的全生命周期。 进入 具身智能 感知、规划、控制与学习型策略的机器人闭环。 进入 历史收藏 早期整理的书籍、框架与课程。 进入 Was this page helpful? Thanks for your feedback! Thanks for your feedback! Help us improve this page by using our feedback form.