🐣
L1
数学 & Python
微积分、线代、概率，加 numpy / PyTorch 基础
11 篇文章 120 分钟阅读 29 个 tag
第 1 篇 🐣 7 分钟 #数学#入门#L1
数学不发愁：这本来该是数学课，但我们换个学法
被高中数学伤过没关系。我们用图、动画、Python 代码把 AI 数学讲清楚——不会的不要先怕，是教材写得不行而已。
第 2 篇 🐣 12 分钟 #线性代数#向量#矩阵
线性代数：用图片和位置讲明白向量和矩阵
所有 AI 的本质都是矩阵运算。这一篇不讲行列式不讲特征值，只让你"看见"向量在干什么。
第 3 篇 🐣 10 分钟 #微积分#导数#梯度
导数与梯度："学习"的数学定义
"训练神经网络" 的本质就是导数。把这个词搞懂，AI 的训练流程在你眼里就再不神秘了。
第 4 篇 🐣 11 分钟 #概率#最大似然#L1
概率与最大似然：为什么 ML 是个概率问题
所有 ML 模型其实都在干同一件事：寻找让"看到这些数据"的概率最大的参数。这个观点一旦你 get 了，整个 ML 都通透了。
第 5 篇 🐣 8 分钟 #信息论#熵#交叉熵
信息论：熵、交叉熵、KL 散度的直觉
损失函数为什么长 -log P 这样？这一篇从信息论角度回答。理解了，你看到任何损失函数都不再陌生。
第 6 篇 🐥 10 分钟 #反向传播#链式法则#L1
链式法则与反向传播：手算一个 3 层网络
把 L1 前 5 篇的所有数学武器组合起来——让我们手算一遍真实神经网络的梯度。
第 7 篇 🐣 13 分钟 #Python#入门#L1
Python 速成（一）：30 分钟从零到能写函数
只讲 ML 用得到的 Python 子集——不教 OOP，不教装饰器，不教 generator。够用就好。
第 8 篇 🐣 15 分钟 #NumPy#向量化#L1
NumPy 数组运算：让 Python 像 MATLAB 一样会做矩阵
NumPy 是所有 ML 代码的地基。这一篇让你的"循环式思维"升级为"向量化思维"——快 100 倍的那种。
第 9 篇 🐣 11 分钟 #Pandas#数据处理#L1
Pandas 数据处理：DataFrame 是 ML 数据的标准载体
看到 CSV、Excel 这些"表格数据"，先用 Pandas 装起来再说。这是 ML 工程师每天用的工具。
第 10 篇 🐣 14 分钟 #PyTorch#神经网络#L1
PyTorch 基础：张量、自动求导、你的第一个神经网络
把 L1 全部的数学和 Python 武器组合起来——这是你的"AI 工程师"入门仪式。
第 11 篇 🐣 9 分钟 #概率#统计#分布
概率分布速览：高斯 / 伯努利 / 泊松 / 指数 / 多项分布
统计的"字母表"——所有 ML 模型都建立在这些分布之上。这一篇用直觉 + 代码讲清楚 5 个最常用的。