Cache 知识库

Appearance

AI/ML 技术百科全书 — 从零基础到工具链集成的完整学习路径 ​

本百科是 Cache 项目的一部分，所有内容存储在 /ai/ 目录下。 这是一条从零基础起步，逐步深入到 AI 工具链集成的系统性学习路线。无论你是刚接触 AI 的新人，还是希望夯实基础的开发者，都可以从这里找到属于自己的节奏。

学习路径总览 ​

下图展示了 10 卷内容的结构与依赖关系。自底向上阅读，每一卷都建立在前一卷的基础上。

mermaid
flowchart LR
    subgraph Foundation[地基: 第1-2卷]
        A[1: Python+全景图] --> B[2: 数学基础]
    end
    subgraph Core[核心: 第3-7卷]
        B --> C[3: 经典ML]
        C --> D[4: 神经网络]
        D --> E[5: Transformer ⭐]
        E --> F[6: 自监督学习]
        F --> G[7: 生成式AI/LLM]
    end
    subgraph Practice[实战: 第8-10卷]
        G --> H[8: 模型训练工程]
        H --> I[9: LLM应用开发]
        I --> J[10: 工具链集成 ⭐⭐]
    end
    J --> K[🎯 毕业项目: 构建自己的AI工具]

卷索引表 ​

卷名称章节数难度前置依赖
1AI全景图+Python5⭐无(起点)
2数学基础5⭐⭐卷1
3经典机器学习6⭐⭐⭐卷2
4神经网络5⭐⭐⭐卷2+3
5Transformer（/trænsˈfɔːrmər/）4⭐⭐⭐⭐卷4
6自监督学习5⭐⭐⭐⭐卷5
7生成式AI/LLM5⭐⭐⭐⭐⭐卷5+6
8模型训练工程6⭐⭐⭐⭐卷4+7
9LLM应用开发5⭐⭐⭐卷7
10工具链集成6⭐⭐⭐⭐卷9

如何使用本百科 ​

阅读顺序 ​

路径是自底向上的。从卷 1 开始，循序渐进。每一卷都假设你已经掌握了前置依赖中的内容。

目录结构 ​

ai/
├── index.md              ← 你在这里
├── requirements.txt      ← 全局 Python 依赖
├── 01-overview/          ← 卷1: AI全景图+Python
│   ├── 00-index.md       ← 本卷学习目标
│   ├── chapter-01/
│   ├── ...
│   └── code/             ← 可运行的 Python 脚本
├── 02-mathematics/       ← 卷2: 数学基础
├── 03-classical-ml/      ← 卷3: 经典机器学习
├── 04-neural-networks/   ← 卷4: 神经网络
├── 05-transformer/       ← 卷5: Transformer
├── 06-self-supervised/   ← 卷6: 自监督学习
├── 07-generative-ai/     ← 卷7: 生成式AI/LLM
├── 08-model-training/    ← 卷8: 模型训练工程
├── 09-llm-application/   ← 卷9: LLM应用开发
└── 10-toolchain-integration/  ← 卷10: 工具链集成
  • 每卷的 00-index.md 包含该卷的学习目标、章节概览和前置知识清单。
  • 每章的 code/ 目录包含可独立运行的 Python 脚本，配套该章讲解。
  • 运行任何代码前，请先安装依赖：
bash
pip install -r ai/requirements.txt

编写规范 ​

语言 ​

  • 中英双语：正文以中文为主，关键术语首次出现时标注英文。
  • 示例：注意力机制（Attention Mechanism）、残差连接（Residual Connection）、自监督学习（Self-Supervised Learning）
  • 学界通用的英文术语直接使用原文：Transformer、Attention is All You Need、GPT、BERT

数学公式 ​

  • 使用 LaTeX 语法，行内公式用 $...$，独立公式用 $$...$$。

代码 ​

  • 使用 Python 3.11+。
  • 每个可运行脚本应在文件头注明依赖的第三方库。
  • 代码风格遵循 PEP 8。

内容标准 ​

  • 教科书风格：概念讲解清晰，辅以数学推导和代码实现。
  • 可验证：所有代码和结论经过验证（内部流程：Oracle 审核（kernel /ˈkɜːrnl/） + Momus 校验）。
  • 适度深度：对关键算法给出推导过程，不跳过数学细节。

关于这个项目 ​

Cache 是一个个人知识库项目。本 AI/ML 百科是其最新的组成部分，目标是构建一份从零到一的 AI 技术参考。如果你发现了错误或有改进建议，欢迎贡献。

千里之行，始于足下。从卷 1 开始吧。