刘杰夫的人工智能学习笔记
欢迎！这是一份涵盖计算机科学、机器学习、深度学习、强化学习、AI工程等多个领域的综合性AI学习笔记。内容源自课程学习、经典教材、网络资料与实践积累。
- 日志
AI学习日记、项目笔记（Alice Project — 生成式代理世界模拟）
- 基础
计算机科学、算法与数据结构、古典人工智能、数学基础（微积分、线性代数、概率论、信息论、统计学、自动微分）
- 机器学习
机器学习基础理论、数据科学（EDA、特征工程）、经典监督学习（SVM、随机森林、XGBoost、LightGBM）
- 深度学习
CNN、RNN/LSTM、Transformer、生成式模型（VAE/GAN/Diffusion）、基座模型、优化与正则
- 强化学习
经典RL（MDP/TD/策略梯度）、深度RL（DQN/PPO/SAC）、Offline RL、MBRL、LLM后训练
- AI智能体
AI Agent架构、推理模式（ReAct/CoT/ToT）、生成式智能体
- 机器人
Robotics综述、仿真与硬件平台、具身智能、直觉物理
- 类人智能
心智哲学、神经科学启示、世界模型（JEPA）、因果推理、元学习
- AI工程
PyTorch开发、数据工程、Fine-tuning、推理部署（vLLM）、MLOps、AI基础设施
- AI安全与可信
对抗攻击与防御、LLM越狱、红队测试、可解释性、鲁棒性、隐私保护
其他笔记： 金融学习笔记 Finance Notes →
本笔记中的图片来源于网络、公开课件等教材，如有侵权请联系删除。