Warning
🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。
图解笔记 · 一个文件夹就是一章
AI · 算法 · ROS 2 · 图解 + 可运行代码
AI 领域每天都有新论文、新框架、新名词。但真正关键的底层原理并不多——神经网络的训练、反向传播、注意力机制、强化学习的 Bellman 方程——几十年没变过。
这个仓库的目标：用最直观的图解，配上一跑就能看到结果的代码，把概念一个一个讲清楚。原先的 AI 教程仍在；ROS 2 Humble 笔记也收在同一个 docs/ 树里。
每篇文章只聚焦一个知识点，20-30 分钟读完。所有代码默认 CPU 运行，消费级笔记本就能跑，GPU 作为可选项。
本项目面向以下人群，帮助学习者建立可检索的笔记体系：
| 人群 | 能获得什么 | 基础要求 |
|---|---|---|
| 在校学生 / 转行学习者 | 从感知机到大模型的完整知识体系 | 会一门编程语言（Python 最佳）、基础高数 |
| 大模型重度使用者（日常用 ChatGPT/Claude） | 理解 LLM 底层原理：Transformer、RLHF、RAG、推理优化 | 无需 ML 工程经验 |
| ML 工程师（已会深度学习） | 补经典 ML 理论 + 算法数据结构基础 | 熟悉 PyTorch/TensorFlow |
| 软件工程师转 AI | ML 理论 + DL 实战 + CV/NLP/RL 全链路 | 有工程经验，缺 ML 数学 |
| 其他行业转行 AI | 够用、能上手、能面试的核心内容 | 不限 CS 背景，肯动手跑代码 |
| 面试冲刺者 | 高频考点速通复习 | 已学过一遍 |
| 算法竞赛选手 | 算法与数据结构图解（algo01-algo16） | 有编程基础 |
| ROS 2 初学者 | Humble 入门（Topic → Gazebo），边做边记 | Ubuntu 22.04 + ROS 2 Humble |
所有代码默认 CPU 运行，消费级笔记本即可跑通。每章 20-30 分钟读完：读正文（30min）→ 推公式（30min）→ 跑代码（30min）→ 做练习（30min）。
https://deconbear.github.io/notebook/
完整目录以 在线站点侧栏 为准。下面由 docs/ 扫描生成；增删章节后运行 npm run gen-toc。
- ml06 集成学习：Bagging与随机森林
- ml07 集成学习：Boosting与Stacking
- ml08 聚类：无监督学习的核心
- ml09 降维与特征工程
- ml10 蒙特卡洛方法
- ml11 隐马尔可夫模型 (HMM)
- ml12 EM算法与高斯混合模型
- ml13 概率图模型基础
- ml14 核方法与高斯过程
- as01 AI4S 全景
- as02 PINN
- as03 Neural Operator 与 FNO
- as04 PINO
- as05 科学计算中的 GNN
- as06 蛋白质结构预测与 AlphaFold
- as07 AlphaChip 与电路设计中的神经网络
- as08 AI4S 综合与前沿
- PETS：概率集成、轨迹采样与 MPC
- RSSM 与 PlaNet
- Dreamer V1–V4：在想象里学会行动
- MuZero：隐式世界模型
- JEPA / V-JEPA
- LeWM：两项损失的端到端 JEPA 世界模型
- 路径四 · 因果世界模型
- 附录 · LLM 世界模型与路径对照
- ROS 2 导读
- 00 环境与工作区
- 01 Topic 发布订阅
- 02 Service 请求应答
- 03 Action 长任务
- 04 Parameter 参数
- 05 Launch 一键启动
- 06 自定义消息
- 07 自定义服务
- 08 TF2 坐标变换
- 09 速度控制 cmd_vel
- 10 URDF 与机器人描述
- 11 Gazebo 最小仿真
- 12 RViz 与组合 Launch
不同背景的学习者，建议的学习顺序不同：
| 路径 | 适用人群 | 推荐顺序 |
|---|---|---|
| 🔵 系统学习 | AI 零基础，建立完整知识体系 | 阶段一 → 二 → 三 → 四/五/六/七，按序推进 |
| 🟡 LLM 重度用户 | 日常用 ChatGPT/Claude，想懂原理 | s01 → s14-s18(NLP) → s21(RLHF) → s22-s23(多模态/RAG) → s25(安全) |
| 🟢 ML 工程师 | 已会深度学习，补经典 ML 理论 | 阶段二（ml01-ml05 必修）→ 番外一（集成树/聚类/降维）→ 附录算法 |
| 🟠 开发转 AI | 有编程基础，缺 ML 理论和 DL 实战 | 阶段一速览 → ml01/04/05 → 阶段三~七全量 |
| 🔵 其他行业转行 | 非 CS/数学背景，目标上手+面试 | s01-s04 直觉→ml01/04/05→s05-s09 入门→s10/s16/s18 项目→s23/s25 加分 |
| 🟣 面试冲刺 | 已学过，快速复习高频考点 | s02-s04 → ml04(SVM) → ml05(树) → s06-s09 → s16 → s18 → s21 → s25 |
| 🔴 算法竞赛 | 只关注算法与数据结构 | 直接看附录 algo01 → algo16，其余章节按需查阅 |
| 🟤 科研向 / AI4S | 做科学计算、生物、芯片等交叉 | 阶段三~五 → 进阶一（as01–as08） |
| ⬛ 世界模型 | 关注具身智能 / 生成式模拟 | 阶段六 → 进阶二（四路径：视频 / 交互·3D / 抽象状态 / 因果） |
| 🟠 ROS 2 / 机器人 | 要在本机跑 Humble | 侧栏 ROS 2；工作区 workspaces/ros2-humble/ |
💡 番外一（集成学习、聚类、降维、蒙特卡洛、HMM、EM、概率图、高斯过程）在阶段二之后，默认折叠。内容独立、互不依赖，可按需跳读。进阶一 / 进阶二在阶段七之后，默认折叠；番外二为论文精读占位，敬请期待。
# 1. 克隆仓库
git clone https://github.com/DeconBear/notebook.git
cd notebook
# 2. 安装 Python 依赖
pip install -r requirements.txt
# 3. 运行任意章节的代码
cd docs/ml/foundations/ai-overview/code
python demo.py
# 4. 启动文档站点（可选）
npm install
npm run devdocs/<领域>/.../<slug>/
├── index.md # 图解正文（核心阅读材料）
├── _meta.yaml # 仅分组目录需要：标题、顺序、是否折叠
├── code-demo.md # demo.py 保姆级逐段讲解
├── code-exercise.md # exercise.py 练习指南
├── code/
│ ├── demo.py # 完整教学代码（中文注释）——唯一源
│ └── exercise.py # 动手练习（含 TODO）
└── images/ # 手绘图解
增删章节只动文件夹，不必改侧栏配置：
npm run new-chapter -- ml/foundations kernel-methods --title "核方法入门" --order 25
npm run gen-toc # 更新本 README 目录ROS 2 课没有 demo.py：笔记在 docs/ros2/，colcon 工作区在 workspaces/ros2-humble/。
| 姓名 | 职责 | 简介 |
|---|---|---|
| DeconBear | 项目负责人 | 从感知机到大模型，图解 AI 核心概念 |
本项目目前由项目负责人独立完成全部 55 章内容。欢迎通过 Issue / PR 参与贡献，贡献者将在此处登记。
- 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
- 如果你想参与贡献本项目，可以提Pull Request，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
- 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照Datawhale开源项目指南进行操作即可~
扫描下方二维码关注公众号：Datawhale
受以下优秀项目启发：
- learn-claude-code — 仓库结构理念
- 3Blue1Brown — 「先直觉，后公式」的教学哲学
- nanoGPT — 从零实现的教学思路
- Distill.pub — 图解学术文章先驱
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
教程内容（文章、图解）采用 CC BY-NC-SA 4.0 协议；配套示例代码沿用 MIT 协议，可自由使用。
workspaces/ros2-humble/中的 ROS 2 包沿用 Apache-2.0。