知识图谱

Learning Knowledge Map

从基础能力到 AI 应用的学习图谱

这张图把博客里的课程笔记、项目文章和长期学习方向整理成一条更清楚的路线： 左侧是编程和数学基础，中间是统计建模、经典机器学习和数据系统，右侧再走向深度学习、NLP/RAG、搜索推荐和作品集项目。

基础能力 数学与统计 机器学习与 AI 项目输出

原画：拉美西斯一世与阿努比斯，KV16

学习路线 项目作品集 统计建模 机器学习 线性代数

Foundation Python / C++ / Algorithms 代码能力、项目结构、基础算法 Math Linear Algebra 向量、矩阵、SVD、张量分解 Math Calculus / Optimization 梯度、凸性、KKT、数值优化 Data Pandas / Big Data 清洗、特征、Dask、SparkSQL Statistics Regression Modeling 回归、诊断、变量选择、混合效应 Machine Learning Statistical ML regularization, kernel, SVM, clustering, MDP Deep Learning PyTorch tensor、autograd、训练闭环 NLP LLM Apps / RAG 切分、embedding、检索、Agent Retrieval Search / Recommendation 召回、排序、推荐 baseline Project Sentiment Classification TF-IDF、XGBoost、BERT、LoRA Long-term AI Infra 推理优化、系统性能、工程化

Foundation

Python / C++ / Algorithms

Status: learning

Related content

Next action

01学概念

先用文章建立主线，不急着背碎片术语。

02写代码

把每个节点落到 notebook、脚本或可复现实验里。

03做项目

用项目把数学、数据、模型和工程连接起来。

04复盘输出

把踩坑、指标和改进路线整理成作品集证据。