跳到主要内容

AI Foundations

学习顺序​

  1. 数学与编程：整理线性代数、微积分、概率统计及 Python 基础。
  2. 机器学习：学习任务定义、数据划分、训练过程及模型评价。
  3. 深度学习：逐步梳理神经网络、优化方法与常见架构。
  4. 视觉与大模型：结合具体研究任务阅读方法、实现与应用边界。

计划整理的专题​

  • 数学基础：向量、矩阵、梯度与概率分布。
  • 机器学习：监督学习、无监督学习与泛化。
  • 深度学习：卷积网络、注意力与 Transformer。
  • 计算机视觉：分类、分割与表示学习。
  • 大模型：预训练、微调与多模态学习。

以上为专题计划，现有文章见左侧目录。

与医学研究连接​

学习方法时，可结合 Pathology 或 AI Applications in Medicine 中关注的研究问题，记录方法需要哪些数据、试图回答什么问题，以及如何评价结果。