大家的AI是什么？
您好。我是AI研究者李钟贤。我攻读计算机工程，目前在延世大学人工智能硕士课程中研究机器学习和深度学习。
我参加过多种AI竞赛，并亲自开发过企业使用的各类模型。在这一过程中得到一个重要体会：技巧固然重要，但决定性能差异的关键在于对基础的理解。如今虽可用vibe coding快速实现模型，但当性能未达预期时，分析原因并改进仍非易事。若缺乏数学基础与对AI原理的理解，便难以从结构上把握瓶颈出在哪里。
因此，我根据自己学习整理的内容，独立开发并公开了这套学习平台。如需讲座或培训，欢迎随时通过 rivolt2022@gmail.com 联系，我会为您介绍。
课程构成
平台由从基础数学到深度学习核心结构的阶梯式课程构成。
📘 Part 1. 基础数学与AI
- Ch.00 基础数学与AI：学习AI的语言
- Ch.01 函数：连接输入输出的AI基本单位
- Ch.02 指数与指数函数：成长与激活的数学
- Ch.03 对数函数：乘法变加法、设计损失的语言
- Ch.04 极限与ε-δ：定义「无限接近」
- Ch.05 连续性：无断点的曲线，打开微积分之门
- Ch.06 微分与导数：瞬时斜率，学习的指南针
- Ch.07 链式法则：解开嵌套函数，反向传播的核心
- Ch.08 偏导数与梯度：多变量世界，梯度下降的方向
- Ch.09 积分：面积与累积，通往概率的桥梁
- Ch.10 随机变量与概率分布：用数字承载不确定性
- Ch.11 均值与方差：分布的中心与离散
- Ch.12 均匀分布与正态分布：从初始化到预测
📗 Part 2. 深度学习结构理解
- Ch.00 深度学习第一步：AI如何思考？
- Ch.01 向量内积：在数据间找相似
- Ch.02 矩阵乘法：一次性计算的魔法
- Ch.03 线性层：决定重要性的权重
- Ch.04 激活函数：为AI增添判断力
- Ch.05 人工神经元：汇集信息、发送信号的单位
- Ch.06 批处理：批量学习
- Ch.07 权重连接：构成智能的无数链条
- Ch.08 隐藏层：看不见的思考深度
- Ch.09 深度神经网络：解决更复杂问题的能力
- Ch.10 宽度与神经元：一次发现更多特征
- Ch.11 Softmax：将结果转化为置信
- Ch.12 梯度与反向传播：从错误中学习
- Ch.13 总览：一眼看懂AI地图
不是简单概念罗列，而是按运算流程逐步跟随，理解「为何这样运作」。以可视化与交互为核心。
学习方式
不是罗列概念总结，而是按运算流程逐步跟随，理解「为何这样运作」。以可视化与交互为核心，可直接计算并通过AI教练即时反馈纠正误解。
未来计划
计划持续扩展包括机器学习在内的各类AI教育内容。感兴趣的朋友欢迎随时通过 rivolt2022@gmail.com 联系为盼。
添加到Chrome网上应用店
安装Chrome扩展后，可在新标签页中直接打开学习页面。
添加到Chrome网上应用店尚属早期版本，但持续改进中。欢迎反馈，将积极采纳。