四段式学习路线
01 · 基础第 1–7 周：线性模型、Python/PyTorch、前馈网络、反向传播与训练循环。
02 · 架构第 8–13 周：CNN、RNN、优化正则、注意力、自回归与 Transformer。
03 · 概率第 14–19 周：表示学习、信息论、迁移、概率图模型、变分推断与 VAE。
04 · 前沿第 20–24 周：强化学习、GNN、机器学习势、AI4Physics 整合与研究验收。
学习 Dashboard
0 / 120
RUC Physics · AI Foundations
不是读完一本书，
而是建立一套可迁移的理解。
从线性模型、反向传播与概率推断出发，逐步走向 Transformer、强化学习、GNN 与 AI4Physics。
0%
总体进度尚未开始
已完成0/ 120 天
学习时间0h预计约 120h
当前阶段基础第 1 周
载入中
打卡原则
- 达到“完成标准”才打卡；仅看完页面不算完成。
- 数学随用随补，卡住时回到对应附录，不进行脱离任务的长预习。
- 第 6、12、18、19、21 周属于高负荷周，允许顺延。
- 标注为“扩展”的任务不属于书本正文，用于连接 LLM 与 AI4Physics。
- 每周少学一天时，优先保留 Day 1、2、3、5。