🎨
图解优先
每篇文章配有 4-5 张手绘级示意图，先建直觉，再推公式。复杂概念可视化，一看就懂
notebook图解笔记 · 一个文件夹就是一章
AI、控制论、机器人学、世界模型、信息论、量子信息、算法、ROS 2……用图解 + 可运行代码，把概念一个一个拆给你看
各领域的具体章节以左侧边栏为准（由 docs/ 文件夹自动扫描，加一章不必改这张图）。
领域首页可点：数学基础 · 控制论 · 信息论 · 量子信息 · 世界模型 · 科学计算 · 计算神经科学 · 编程基础 · ROS 2
信息论七章从 导论 起：熵、香农容量、Huffman、Hamming、高斯信道、率失真。机器学习用的交叉熵 / KL 仍在 信息论精简。
数学基础从 领域首页 起：微积分两章（导数 / 积分）+ 线代三章（向量、
不同背景的学习者，建议的学习顺序不同：
| 路径 | 适用人群 | 推荐顺序 |
|---|---|---|
| 🔵 系统学习 | AI 零基础，建立完整知识体系 | 数学基础 → 阶段一 → 二 → 三 → 四/五/六/七，按序推进 |
| 🟡 LLM 重度用户 | 日常用 ChatGPT/Claude，想懂原理 | s01 → s14-s18(NLP) → s21(RLHF) → s22-s23(多模态/RAG) → s25(安全) |
| 🟢 ML 工程师 | 已会深度学习，补经典 ML 理论 | 阶段二（ml01-ml05 必修）→ 番外一（集成树/聚类/降维）→ 附录算法 |
| 🟠 开发转 AI | 有编程基础，缺 ML 理论和 DL 实战 | 编程基础（Python / nn / CUDA）→ 数学基础 → 阶段一速览 → ml01/04/05 → 阶段三~七全量 |
| 🔵 其他行业转行 | 非 CS/数学背景，目标上手+面试 | 数学基础 → 编程基础 → s01-s04 直觉→ml01/04/05→s05-s09→s10/s16/s18→s23/s25 |
| 🟣 面试冲刺 | 已学过，快速复习高频考点 | s02-s04 → ml04(SVM) → ml05(树) → s06-s09 → s16 → s18 → s21 → s25 |
| 🔴 算法竞赛 | 只关注算法与数据结构 | 附录 algo01 → algo16；语言补课走 编程基础 |
| 🟤 科研向 / AI4S | 做科学计算、生物、芯片等交叉 | 阶段三~五 → 进阶一（as01–as08） |
| 🟩 计算神经科学 | 细胞方程、编码、回路、连接组、NeuroAI | 侧栏 计算神经科学（docs/neuro/） |
| ⬛ 世界模型 | 关注具身智能 / 生成式模拟 | 控制论 → 机器人学 → 世界模型五路径 |
| 🟧 控制论 / 机器人学 | 反馈、状态空间、运动学与李群 | 控制论、机器人学 |
| 🟦 信息论 → 量子信息 | 先熵与容量，再量子比特 | 信息论（导论）→ 量子信息 |
| 🟠 ROS 2 | 要在 Ubuntu 上跑 Humble | 侧栏 ROS 2（docs/ros2/，工作区 workspaces/ros2-humble/） |
💡 番外一在阶段二之后默认折叠；进阶一 / 进阶二在阶段七之后默认折叠；番外二为论文精读占位。详细路径说明见 README。
# 1. 克隆仓库
git clone https://github.com/DeconBear/notebook.git
cd notebook
# 2. 安装 Python 依赖
pip install -r requirements.txt
# 3. 运行任意章节的代码
cd docs/ml/foundations/ai-overview/code
python demo.py
# 4. 启动文档站点（可选）
npm install
npm run devdocs/<领域>/.../<slug>/
├── index.md # 图解正文（核心阅读材料）
├── code-demo.md # demo.py 保姆级逐段讲解
├── code-exercise.md # exercise.py 练习指南
├── code/
│ ├── demo.py # 完整教学代码（中文注释）
│ └── exercise.py # 动手练习（含 TODO）
└── images/ # 手绘图解加一章：在对应领域下新建文件夹，或运行 npm run new-chapter -- ml/foundations my-topic --title "标题" --order 25。删一章：删掉该文件夹。
ROS 2 课是 Markdown 笔记（无 demo.py），可运行代码在仓库根的 workspaces/ros2-humble/src/。
受以下优秀项目启发：