从一个问题开始，沿一条路线学下去

基础路线帮助补齐前置知识；项目路线展示实现与取舍。科研六个系列围绕同一教学案例推进，不代表平台已经完整上线。

返回全部文章与搜索

科研课程：每一阶段交付什么

工程基础 → M1 数据集 → M2 模型与 M3 理解流水线 → M4 服务 → M5 演示。M2 与 M3 都依赖 M1；M4 集成它们的产物。下面是验收契约，不是已完成声明。

阶段输入 → 输出进入下一阶段之前
M1 数据集来源快照 → 清洗后的版本化 Parquet主键、来源、缺失值、质量报告与数据字典齐全；下游钉住版本。
M2 模型M1 + 切分清单 → 模型与选择报告特征拟合只用训练数据；阈值在验证集确定；封存测试集最终评估。
M3 理解许可允许的 PDF + M1 ID → 解析记录与向量ID 对齐、版本与失败状态可追溯；重跑不重复入库，依赖改变会失效重算。
M4 服务M1–M3 产物 → API 与增量管线输入验证、超时、失败恢复、迁移回滚和数据/模型版本均经过测试。
M5 演示M4 API → 演示与作品集冷启动、空数据、断网路径可用；所有数字能链接到真实证据。

编程与数据基础

从对象与数组到数据处理，为模型实践建立输入和验证习惯。

  1. Python 编程从入门到精通全指南
  2. 玩转 Python 基本数据类型：列表、元组、range、集合与字典全解析
  3. Python 控制流语句详解：赋值、条件与循环
  4. 深入理解 Python 核心机制：集合类型与可变对象详解
  5. 从零食到大数据：用生活场景理解 Python 迭代器与生成器
  6. Python 基础进阶与底层原理梳理（一）
  7. 模块化编程与 NumPy 基础：ndarray 创建、切片、广播与内存机制
  8. Pandas 数据分析与可视化：从读表到出图的一条龙实战
  9. 机器学习基础与 Scikit-learn：把建模流程跑通一遍
  10. 模型评估指标与类别不平衡：AUC、PR、KS 怎么选，阈值怎么调

深度学习 · 10 课

从训练循环到评估部署；每课明确新增概念与可检查的产物。

  1. 深度学习课程 01：从一次训练循环看懂模型是怎样学会的
  2. 深度学习课程 02：神经网络为什么能学习——梯度下降与反向传播
  3. 深度学习课程 03：训练不动、过拟合与梯度异常怎么排查
  4. 深度学习课程 04：CNN 从卷积、池化到图像分类
  5. 深度学习课程 05：图像分类综合项目——从基线到迁移学习
  6. 深度学习课程 06：RNN、LSTM 与 GRU 的序列建模
  7. 深度学习课程 07：Transformer 与注意力机制
  8. 深度学习课程 08：TensorFlow/Keras 工程化训练工作流
  9. 深度学习课程 09：PaddlePaddle 中文文本分类项目
  10. 深度学习课程 10：模型评估、调优与部署闭环

MindTrip · RAG 工程

沿数据、约束、生成和评测追踪一次请求，理解方案取舍。

  1. MindTrip RAG 架构演进（一）：数据层与实体级 Chunk 设计
  2. MindTrip RAG 架构演进（二）：从语义检索到约束感知
  3. MindTrip RAG 架构演进（三）：模型选型与 SSE 流式部署
  4. MindTrip RAG 架构演进（四）：Prompt 工程与最终架构总结
  5. MindTrip RAG 架构演进（五）：评测框架与混合检索对比实验
  6. MindTrip 与 AtlasSplit：11 项改进的工程实践
  7. vLLM 部署 Qwen2.5 的性能调优实录：8GB 显存下，我是怎么和 KV Cache 打架的

AtlasSplit · 代码生成与执行

静态审计、运行隔离与错误归因。图集工具开发日志作为独立历史文章保留。

  1. AtlasSplit Agent 的 AST 审计与沙箱设计：当我真的让 LLM 在机器上执行 Python 代码
  2. AtlasSplit 错误类型分布分析：LLM 生成代码到底会在哪里翻车

独立游戏 · 原型到发布

把玩家体验、机制实现、性能检查和发布条件连起来。

  1. 《捡钱》开发日志：从立项到上架 CrazyGames
  2. 休闲游戏的难度曲线设计：从数值到心流
  3. Cocos Creator 性能优化与资源管理技巧
  4. CrazyGames 发布全流程：注册、提审、广告接入与 QA 工具
  5. 独立游戏开发心得与个人学习路线

OpenCV · 看得见的处理过程

用相同输入比较变换、掩码、轮廓与项目输出。

  1. Python + OpenCV 日常小技巧与常见坑整理
  2. Python + OpenCV 图像几何变换原理推导、实战技巧与常见问题整理
  3. Python + OpenCV 图像插值、掩膜、ROI、水印与灰度化实战详解（原理·代码·细节）
  4. OpenCV 图像轮廓处理与几何特征提取详解
  5. OpenCV进阶实战：霍夫变换、圆检测与亮度调节技巧
  6. OpenCV 实战项目：从教程笔记到能跑的视觉应用

科研课程 1 · 工程基础

课程案例：环境、版本、Notebook 与 Python 工程。

  1. AI 科研工程基础 01：开发环境与贯穿案例——AI 科研内容智能管理与分析平台
  2. AI 科研工程基础 02：Git 与 GitHub 的科研协作工作流
  3. AI 科研工程基础 03：Jupyter 与可复现实验工作流
  4. AI 科研工程基础 04：Python 项目工程化——结构、配置与测试

科研课程 2 · 数据集 M1

课程案例：采集、清洗、分析与版本化数据集。

  1. 科研数据获取与分析 01：arXiv、OpenAlex 与 Crossref API 实战
  2. 科研数据获取与分析 02：用 Scrapy 与 Playwright 补充采集
  3. 科研数据获取与分析 03：元数据清洗与对齐——把脏数据变成可信数据集
  4. 科研数据获取与分析 04：探索性数据分析与 Plotly 可视化
  5. 科研数据获取与分析 05：DuckDB + Parquet 数据集版本管理（里程碑 M1）

科研课程 3 · 模型 M2

课程案例：特征、分类、回归、聚类和模型选择报告。

  1. 经典机器学习 01：从科研元数据到特征工程
  2. 经典机器学习 02：领域分类——从逻辑回归基线到 SVM
  3. 经典机器学习 03：引用数预测——回归任务与树模型实战
  4. 经典机器学习 04：无监督主题发现——聚类与降维可视化
  5. 经典机器学习 05：模型评估、调优与 M2 里程碑验收

科研课程 4 · 理解流水线 M3

课程案例：PDF、文本、图表和多模态证据。

  1. 多模态科研内容理解 01：PDF 全文解析与结构化抽取
  2. 多模态科研内容理解 02：文本 Embedding 与语义检索
  3. 多模态科研内容理解 03：深度学习文本模型——从 Embedding 特征到微调分类器
  4. 多模态科研内容理解 04：图表与公式——论文里的视觉信息
  5. 多模态科研内容理解 05：多模态融合——统一表示一篇论文
  6. 多模态科研内容理解 06：理解流水线集成与 M3 里程碑验收

科研课程 5 · 数据服务

课程案例：数据库、API、任务恢复和交付管线。

  1. 数据管理与 AI 自动化 01：PostgreSQL + pgvector 科研知识库
  2. 数据管理与 AI 自动化 02：FastAPI 科研数据服务
  3. 数据管理与 AI 自动化 03：Prefect 数据流水线——让平台自己转起来
  4. 数据管理与 AI 自动化 04：Docker 与 GitHub Actions——打包、CI 与 M4 验收

科研课程 6 · 演示与复盘

课程案例：把可验证的产物组织成演示与作品集。

  1. 综合项目与求职交付 01：Streamlit 集成应用——把 M1–M4 接入演示界面
  2. 综合项目与求职交付 02：项目复盘——把课程产物写成可核验的作品集
  3. 综合项目与求职交付 03：求职答辩——简历、面试话术与作品集链路