理解
知道概念为何成立，能区分相似术语与常见误解。
不是“看过”，而是四种能力都能留下证据
计算
能手算注意力、参数量、FLOPs、显存与评测指标。
编码
能把公式落成张量代码，处理维度、掩码与边界。
项目
能独立完成训练、微调、RAG 与工具智能体实验。
按基础选择
同一套知识结构，不同的学习节奏
路径只是建议，不是门禁。你可以在学习中心随时跳转，但阶段实验是进入下一段前最可靠的自检。
地基路径
Python 或机器学习基础较弱
从 Stage 0 开始，不跳过数学与训练循环。
标准路径
有编程基础，希望系统学习
每周 4–6 节，阶段实验完成后再进下一段。
复习路径
已有 ML/DL 基础或准备认证
先做题定位弱项，按模块补课并完成限时编程。
先地基，后架构；先训练，再对齐与应用
102 节课程形成连续路线，每个学段都有独立实验验收。
独立实验
内容完整的标准，是能做出东西
每个实验都包含前置要求、任务、交付物和验收标准。它们既是长期学习的作品，也是认证编程能力的准备。
先体验三种最核心的学习动作
01
模块三 · 注意力机制
手算一次注意力：从打分到加权求和
注意力是整个大模型最核心也最容易「背公式却不懂」的一步。这节课不写代码，先用一个 3 个词的短句，把 Query-Key-Value、softmax、加权求和全部手算一遍。
12 分钟阅读02模块四 · 训练显存计算
训练显存到底怎么估：参数、梯度、优化器态、激活
「这个模型要多大显存才能训练？」是成人组必考的计算题，也是工程里天天遇到的问题。这节课给你一个能上手算的显存清单。
10 分钟阅读03模块五 · 参数高效微调
LoRA 为什么能用极少参数微调大模型
全参微调一个大模型显存吃不消。LoRA 只训练两个小矩阵，就能达到接近全参微调的效果——这节课讲清它的原理和为什么省。
9 分钟阅读开始之前需要知道的事
我不是计算机专业，能学吗？
可以。Stage 0「地基段」专门为不同专业、基础参差的大学生设计，用两三周补齐 Python、大学数学与机器学习基础；有 ML/DL 基础的同学可走加速轨直接跳过。
认证很难吗？考什么？
成人组分两轮：第一轮客观题（概念 + 计算 + 代码填空，含 RoPE / MoE 等），第二轮编程实战。本路线全程对齐官方大纲与第一轮样题难度，每节课标注考核方式。
要花多久？
没有统一截止时间。零基础可以按 24–32 周推进；有机器学习基础可按 12–16 周学习。关键不是课次速度，而是能否独立完成自测、计算和阶段实验。
内容是否需要注册？
目前全部课程、练习和阶段实验直接开放，不需要注册。学习进度保存在当前浏览器；清除浏览器数据会丢失记录。
Start with evidence