当前内容
现在有课程总览、模块 1 的 10 节课、模块 2 的 10 节课，以及模块 3 的前 5 节课。每节课都带公式、图示、浏览器里的 Python/NumPy 练习，也可以在页面里做本地笔记。
课程地图
从零到前沿：机器学习系统自学路线
覆盖数学基础、经典机器学习、深度学习、Transformer、扩散模型、LLM、对齐、RAG、Agent 和 2024–2026 前沿方向。
模块 1 · 10 课
线性代数与微积分
从向量、矩阵、内积、特征值、SVD 一路走到梯度、雅可比、海森、矩阵求导和纯 NumPy 反向传播。
模块 2 · 10 课
概率统计、信息论与最优化
从随机变量、分布、条件概率和贝叶斯，到 MLE/MAP 与信息论，把“概率假设如何变成损失函数”讲清楚。
模块 3 · 前 5 课
Python、NumPy、PyTorch 与实验工程
从环境隔离、NumPy 向量化和广播开始，进入 PyTorch 张量、Autograd 与 nn.Module，为后面的完整训练循环打地基。
更新方式
每一课都可以放成单独 HTML 页面，入口页只需要新增一张课程卡。总览文档也保留了原始 Markdown，方便之后继续改。