#L1

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。

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。

"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。

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。

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。

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。

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。

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。

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。

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。

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。