当前唯一学习主线 · P1 / M01

AI Model Engineering 90

模型原理、训练与推理实验室 · 12 周主题学习 + 6 天知识整合

从“会设计可信 AI 系统”推进到“能解释模型如何学习、亲手训练和改变模型，并用实验判断规则、传统 ML、小模型或 LLM 中什么才是最小充分方案”。本阶段是 360 天长期路线的 P1，以知识理解和小型实践为目标，不包含求职、投递或作品集包装。

下一阶段教材 · 总路线 Day 091～180

P2 · AI Systems Engineering 90 · S01～S90

90 份详细教材已经准备；当前仍先学习 P1，提前浏览不会启动 P2。

查看下一阶段 →

执行周期

2026.08.24 — 2026.11.21

课程结构

84 天主题 + 6 天整合

主要方式

理解 · 最小实践 · 连接

复盘节奏

每 4 周轻量回顾

当前任务：M01 · W1 · 周一概念与阅读

0 / 90

确认 Python/CPU/MPS 环境；理解 tensor、计算图、链式法则、backprop 和 optimizer

2026-08-24 · 状态 ⬜ 未完成

启动基线为 0 / 90；AISA 已暂停，当前只维护这一份进度。

打开唯一进度账本

完整教材库 · 90 / 90 份内容

直接开始 M01 教材

核心机制、公式或因果链、最小练习、常见误区、自检问题均已预置，并逐日对齐专业课程；教材就绪不计入真实完成进度。

阅读 M01 →

Twelve-week roadmap

十二周学习地图

W108.24 — 08.30

张量、梯度与 autograd

有限差分验证梯度，建立可复现实验基线

W208.31 — 09.06

概率、经典 ML 与校准

规则、Logistic、MLP 在同一数据上公平比较

W309.07 — 09.13

Tokenization 与表示学习

BPE、Embedding、OOD 与领域表示消融

W409.14 — 09.20

Transformer 第一性原理

从现有 TypeScript 迁移到 PyTorch 并验证因果性

W509.21 — 09.27

Tiny LM 预训练

训练曲线、数据配比、过拟合与 scaling 小实验

W609.28 — 10.04

SFT 与 LoRA / PEFT

用同一小样本理解 Prompt、Frozen 与 LoRA 的差异

W710.05 — 10.11

Preference 与 Reward Science

DPO、GRPO / RLVR 信号与 reward hacking

W810.12 — 10.18

推理、量化与 Serving

KV Cache、精度、内存、TTFT 与 tokens/s

W910.19 — 10.25

机制可解释性与 Verifier

用干预区分行为证据、机制证据与业务解释

W1010.26 — 11.01

多模态与文档智能

用代表性文档比较 OCR / Layout 与 VLM 的适用边界

W1111.02 — 11.08

非 LLM 决策 AI

图、异常或时序只选一项，让实验决定 LLM 的角色

W1211.09 — 11.15

可选 Financial Model Lab

规则、经典 ML 与可训练模型的最小充分方案

完整计划文件

360 天长期总纲

P1 模型 → P2 系统 → P3 AGI → P4 具身智能。

计划态执行入口

启动方式、学习节奏与目录职责。

90 天总纲

能力边界、十二周知识主题、轻量实践与复盘。

M01～M90 逐日课程

每天的主题、阅读、小练习与轻量总结。

专业课程参考地图

MIT、Stanford、PyTorch、Hugging Face、ARENA 与 FSDL 对照。

当前唯一进度

M01～M90 状态、实际日期、用时与学习产出。

学习目录已落地

90 份教材内容已经预置；实验记录、个人理解和阶段复盘仍只在真实学习后填写，不预造完成结果。

docs/ai-model-engineering/notes/

M01～M90 预习教材；学后在原文填写自己的理解

docs/ai-model-engineering/experiments/

假设、配置、原始指标、失败与复现命令

docs/ai-model-engineering/reflections/

W4、W8、W12 与最后六天的轻量知识复盘

可选综合学习项目：Financial Model Lab

在一个合成或公开金融任务上选择性比较规则、经典 ML 与可训练模型。重点理解不同方法为什么有效、何时值得使用；可以缩成 notebook、架构图或讲解稿，不要求完整 benchmark。