no-magic 交互式中文教程
这是基于 no-magic 仓库创建的对话式中文学习教程。
🎯 教程特色
- 对话式教学：通过苏格拉底式问答构建直觉，而非单向讲解
- 概念优先：重点解释”为什么”和”权衡取舍”，而非代码细节
- 完整覆盖：涵盖47个AI/ML核心算法
- 多路径学习：支持线性阅读、模块化跳转、按轨道学习
- 独立自足：无需查看原代码仓库，教程内含所有必要内容
📚 教程结构
tutorial/
├── 00-入门指南.md # 什么是ML、如何使用教程、学习路径
├── 01-核心概念.md # 神经网络、梯度下降等基础（15个深度对话）
├── 02-基础轨道-Transformer之旅.md # [待完成] 8个核心算法
├── 03-对齐轨道-驯服模型.md # [待完成] 5个对齐算法
├── 04-推理优化轨道-让模型飞起来.md # [待完成] 11个系统优化
├── 05-生成模型轨道-创造的艺术.md # [待完成] 3个生成模型
├── 06-智能体轨道-自主决策.md # [待完成] 5个Agent算法
├── 07-完整算法索引.md # 47个算法速查、依赖图、学习路径
└── 08-深入探索.md # 跨章节话题、进阶资源、常见误区
🚀 快速开始
适合人群
- ✅ 掌握Python编程
- ✅ 理解基础数学（矩阵运算、导数概念）
- ❌ 无需机器学习背景
推荐学习路径
路径 A：完全新手
00-入门指南 → 01-核心概念 → 02-基础轨道 → [其他轨道]
路径 B：按兴趣选轨道
- 浏览
01-核心概念.md建立基础 - 直接跳到感兴趣的轨道
- 遇到不懂的概念查阅
07-完整算法索引.md
路径 C：高级用户
- 使用
07-完整算法索引.md按需查找特定算法
📖 已完成内容
✅ 00-入门指南
- 什么是机器学习（3个启发式对话）
- 教程定位和适用人群
- 三种学习路径详解
✅ 01-核心概念
15个深度对话涵盖：
- 神经网络本质（函数拟合视角）
- 为什么需要多层（层次化特征学习）
- 激活函数的作用（引入非线性）
- 张量与矩阵运算（向量化与并行）
- 前向传播与反向传播（链式法则）
- 损失函数与梯度下降（优化原理）
- 过拟合与泛化（记忆vs理解）
- 训练集/验证集/测试集的作用
- 正则化技术（Dropout、权重衰减）
- 为什么需要这么多算法（归纳偏置）
- 完整代码示例：从零实现2层神经网络
✅ 07-完整算法索引
- 47个算法的字母序索引（难度、时长）
- 按主题聚类（序列建模、注意力、生成模型等）
- Mermaid依赖关系图
- 4条推荐学习路径
- 前置依赖速查表
- 按应用场景查找导航
- 核心概念对比表
✅ 08-深入探索
- 跨章节话题：归纳偏置、算法演化、训练稳定性
- 实践项目建议（初级→中级→高级）
- 进阶学习资源（论文、课程、开源项目）
- 常见误区澄清（4个典型误解）
🔄 进行中
轨道文件（02-06）正在创建中，将涵盖：
- 02-基础轨道：Tokenizer, Embedding, RNN/GRU, Attention, GPT, BERT, ViT, Optimizer
- 03-对齐轨道：LoRA, QLoRA, DPO, REINFORCE, PPO
- 04-推理优化：Flash Attention, KV-Cache, Quantization, SSM/Mamba等11个算法
- 05-生成模型：VAE, GAN, Diffusion
- 06-智能体：MCTS, ReAct, Bandit, Minimax, Memory Network
📊 统计
- 已完成文件：4/8 (50%)
- 已完成字数：~35,000字
- 覆盖算法：47个（索引已列出）
- 对话数量：~20个深度对话（已完成部分）
🎓 学习建议
- 不要死记硬背：重点是建立直觉，而非记公式
- 主动思考：看”导师”回答前，先自己想
- 动手实践：运行代码片段，修改参数观察变化
- 连接应用：思考算法解决什么实际问题
- 关注演化：理解算法间的继承关系
📝 引用
本教程基于以下开源项目创建：
- no-magic - 47个AI/ML算法的单文件Python实现
📄 许可
MIT License - 与原项目保持一致
开始学习：00-入门指南.md