课程、教材与基础学习

想换一种讲法，或者需要系统补一块基础，可以来这里找。先认识全貌用 Crash Course；公式直觉看 3b1b；要把模型和代码连起来，可以沿李沐的课程动手。

计算机全貌：先知道电脑和程序在做什么

Crash Course Computer Science｜英文短视频。先看二进制、CPU、程序、操作系统、文件系统和互联网，建立计算机的整体印象。主持人为 Carrie Anne Philbin。官方介绍
CS 自学指南｜中文课程导航与学习经验。先看前言和使用说明，再按想补的知识找到课程页。
The Missing Semester of Your CS Education｜英文课程，含视频与练习。补命令行、版本管理和调试等日常工具，建议从 shell、Git 和调试开始。
Pro Git 中文版｜中文在线书。先学基础操作、历史记录和远程协作，需要多人合作时再看分支。

3Blue1Brown：线性代数｜英文可视化讲解。看向量、线性变换、矩阵乘法与特征向量的几何意义，帮助理解公式为什么这样写。 B 站入口
3Blue1Brown：The Essence of Calculus｜英文视频与图文。从变化率、微小变化和积分建立直觉，再接梯度和链式法则。
Seeing Theory — Brown University｜概率与统计的交互可视化。通过拖动参数、观察分布和抽样结果理解概念。
MIT 18.06 Linear Algebra — Gilbert Strang｜英文课程、讲义与作业，2010 年。需要系统补线性代数时，可按子空间、正交、特征值和 SVD 选章节。
Harvard Stat 110 — Joe Blitzstein｜英文课程、教材与练习。条件概率、期望和常见分布会在 ML、RL 中反复出现，可以把概念和对应练习一起学。
Mathematics for Machine Learning｜英文开放教材，把数学基础接到机器学习。适合查矩阵分解、向量微积分、概率与优化。

An Introduction to Statistical Learning｜英文教材与课程，有 Python、R 版本。先理解训练、泛化、回归、分类，再看模型选择与重采样，后续按任务选算法。
动手学深度学习｜中文教材与代码。先看数据操作、线性模型、损失、优化和多层感知机，结合代码走一遍；模型章节按兴趣选择。官方课程索引
李宏毅 2025 机器学习课程｜中文讲解、课件与视频，2025 年。结合生成式 AI 理解机器学习概念，可按具体讲次学习。
Stanford CS229｜英文系统课程。适合进一步理解算法假设、推导和统计学习，课程笔记也可以按问题查阅。
Practical Deep Learning for Coders — fast.ai｜英文实践课程，适合已有编程基础的人。先做出一个能工作的模型，再回头理解组成部分，可以从第一课及配套实践开始。
3Blue1Brown：But what is a Neural Network?｜可视化视频与图文。先建立输入、层、参数与输出的图像，再接梯度下降和反向传播。
StatQuest with Josh Starmer｜英文短视频。卡在交叉验证、偏差方差、树模型等统计或 ML 概念时，可以找另一种解释。

CS50’s Introduction to Programming with Python｜英文 Python 入门课，配有练习。从函数、条件、循环学到异常、库和文件读写，练习解释和改动小程序。
NumPy: the absolute basics for beginners｜英文官方教程。从 Python 过渡到数组计算，重点看 shape、索引、轴和广播。
PyTorch：Learn the Basics｜英文官方教程，把数据、模型、自动求导、优化与保存串成一个训练过程。适合第一次读训练循环。
Neural Networks: Zero to Hero — Karpathy｜英文视频与代码，需要 Python 和基本数学。先看 micrograd，理解梯度怎样算出来，再进入语言模型。

The Illustrated Transformer — Jay Alammar｜英文图解。从 token 表示、注意力到 encoder/decoder 的组合，先沿图追输入输出，再回到公式。
The Annotated Transformer — Harvard NLP｜英文注释代码与 notebook。把 Transformer 原论文和实现放在一起，适合已经看过图解、想读懂张量与模块的人。
Transformer Explainer — Polo Club｜交互可视化。观察输入怎样经过 Transformer，以及各部分怎样影响下一个 token 的预测。
Understanding LSTM Networks — colah｜英文图解，2015 年。通过状态、门控和序列处理理解 LSTM，也可配合时序模型学习。
科学空间：文章归档 — 苏剑林｜中文技术博客归档。可按“Transformer 升级之路”“生成扩散模型漫谈”等系列查位置编码、模型架构与数学推导。

英文短视频系列，适合建立机器学习、语言、强化学习与机器人等问题的整体印象。可以先看前几集，再按兴趣挑专题。接下来可走起步路线，在一个小项目里认识训练、数据与评价。