1
AI 底层工程更新于
机器学习学习路径
从经典 ML 到深度学习到前沿方向的系统学习路径，能读论文、能写代码、能判断方案取舍。
12 篇文章0 人订阅 创建
专栏简介
帮助技术人建立从经典机器学习到深度学习再到前沿方向的系统知识体系。本专栏精选基础概念（监督/无监督/强化学习）、评估指标、神经网络与反向传播、CNN 与 Attention、Transformer 与 Scaling Laws、强化学习与扩散模型、推理优化与自进化等核心主题。每篇都包含原始论文溯源、代码实现要点和工程取舍判断，目标是让读者既能看懂论文，也能在真实项目里做方案决策。
文章目录
2
什么是机器学习：监督/无监督/强化学习到底在做什么，什么时候该用哪个
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage0 ml basics/01 what is ml.md · 由 @阿新聊ai 整理。 <! 阶段 0：调研来源 1. IBM Think "Types of Machine Learning" (2026...
3
评估指标全解：准确率、精确率、召回率、F1、AUC-ROC，以及什么时候看哪个
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage1 evaluation/03 metrics.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Google ML Crash Course "Classification: Accuracy,...
4
神经网络入门：从感知机到多层网络，通用近似定理，以及为什么需要深层
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage2 deep learning/01 neural network intro.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Cybenko (1989) 和 Hornik (1991) 的...
5
反向传播：计算图、链式法则，以及梯度如何一层层传回去
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage2 deep learning/02 backpropagation.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Colah's Blog "Calculus on Computationa...
6
CNN 基础：卷积、池化、感受野——为什么图像不用全连接
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage3 cv/01 cnn basics.md · 由 @阿新聊ai 整理。 <! Stage 3 Article 1: CNN 基础 调研来源： 1. Stanford CS231n 课程笔记 Convolu...
7
Attention 机制：为什么 Attention 比 RNN 好，Query / Key / Value 是什么
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage4 nlp/04 attention.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Bahdanau et al., "Neural Machine Translation by Jointl...
8
Transformer 详解：自注意力、多头注意力、位置编码，逐层拆解
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage5 transformer/01 transformer explained.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Vaswani et al., "Attention Is All...
9
大模型的缩放定律：Scaling Law、Chinchilla、MoE，为什么模型越大越好
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage5 transformer/05 scaling laws.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Kaplan et al., "Scaling Laws for Neural Lan...
10
强化学习：MDP、Q-Learning、Policy Gradient 与 RLHF——RL 的核心框架
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage8 advanced/01 reinforcement learning.md · 由 @阿新聊ai 整理。 强化学习：MDP、Q Learning、Policy Gradient 与 RLHF——RL 的...
11
扩散模型：从噪声到图像——DDPM、潜在扩散与 Stable Diffusion 的完整路径
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage8 advanced/02 diffusion models.md · 由 @阿新聊ai 整理。 扩散模型：从噪声到图像——DDPM、潜在扩散与 Stable Diffusion 的完整路径 <! 调研来源...
12
自进化到底是什么——参数、结构、策略、prompt、代码五个层级
本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage9 self evolution/01 what is self evolution.md · 由 @阿新聊ai 整理。 自进化到底是什么——参数、结构、策略、prompt、代码五个层级 <! 调研来源：...