深度学习路线

适合

• 你会一点 Python，想用项目进入神经网络基础。
• 你希望为后续 LLM、RAG 或论文复现补足底层直觉。
• 你更想做出可运行结果，而不是收藏一堆课程。

不适合

• 你需要完整研究生级理论课程。
• 你想立刻从零训练大模型。

先修条件

• Python 函数、列表、字典和 notebook
• 基本矩阵直觉和概率词汇
• 能阅读报错并修改小段代码

4 周最小路线

1. 第 1 周：张量、shape、梯度和一个小回归模型。
2. 第 2 周：PyTorch 训练循环、loss、optimizer 和过拟合信号。
3. 第 3 周：图像或文本分类 baseline，并固定一个指标。
4. 第 4 周：错误分析、消融和一页复现实验记录。

8 周扩展路线

• 补上 data loader、验证集、随机种子、简单 CNN 或 Transformer block 和干净实验日志。
• 最后比较两个结构或预处理选择，并写清为什么其中一个失败。

最终产出

训练一个小分类模型，输出包含数据集、指标、baseline、3 个失败样本和下一步实验的报告。