我們閱讀每一則回饋，並非常重視您的意見。
欲查看所有可用的限定詞，請參考我們的文件。
這是一份基於基本原理構建的機器學習入門指南，專為希望像推理軟體系統一樣推理機器學習系統的工程師撰寫。
你是一位優秀的工程師，能根據自己累積的心智模型，在白板上繪製軟體系統。你了解取捨——維護性與優雅性、效能與複雜度之間的平衡。
你對軟體設計有直覺，但對機器學習尚未建立這種直覺。
你知道工具的存在，卻無法判斷何時該使用哪一種。這份入門指南正是為建立這種直覺而設計。
這不是教科書或教學，而是一套心智模型——你需要的抽象概念，讓你能像理解軟體系統一樣理解機器學習系統。
每個概念都以物理與工程類比為基礎：
這些類比非裝飾用，而是主要的解釋方式，數學則作為輔助細節。
重點在於何時該使用哪種工具及其原因——不僅是工具的功能，更是它所代表的設計決策與隱含的取捨。
本指南分為三大部分：
第一部分涵蓋神經元、組合（深度與寬度以摺紙方式理解）、學習作為優化（導數、鏈式法則、反向傳播）、泛化與表示（特徵作為方向、疊加）。
第二部分介紹組合規則家族（密集層、卷積、循環、注意力、圖操作、狀態空間模型）、深入探討Transformer（自注意力、前饋網路作為體積查找、殘差連接）、編碼、超越反向傳播的學習規則、訓練框架（監督、自監督、強化學習、生成對抗網路、擴散模型）及如何將拓撲結構與問題匹配。
第三部分——門控作為控制系統
介紹門控原語（標量、向量、矩陣）、軟邏輯組合、分支與路由、前向傳播中的遞迴，以及幾何數學工具箱（投影、遮罩、旋轉、插值）。
本指南為單一Markdown檔案，內嵌視覺化圖示：
課程大綱展示完整主題地圖：SYLLABUS.md
本指南透過對話逐步構建——每個概念經過問題壓力測試，直到心智模型穩固。你可以用兩種方式使用它：
從頭到尾逐節閱讀。當某部分不理解時，停下來重讀其依賴的章節。
本指南設計讓每節建立下一節所需的關鍵直覺。不要跳讀，後面章節假設你已內化前面內容，而非僅是閱讀過。
互動式探索與AI助理
這是更強大的使用方式，也更接近本指南的實際構建過程。將整份指南或其中一節輸入你偏好的AI程式助理，進行對話式探索：
提出「為什麼」的問題。提出錯誤答案，看看助理是否能指出。請求具體範例。詢問若改變某項條件會如何。探討兩個概念間的關聯。
本指南為你和助理提供共同詞彙與正確的概念框架——對話補足靜態文件無法涵蓋的部分。
本指南是地圖，對話是領土。
包含12張圖，涵蓋神經元、激活函數、摺紙、導數、鏈式法則、注意力、前饋網路體積查找、殘差連接、點積、損失地形、組合規則及門控操作。
所有圖表皆由scripts/資料夾中的Python腳本生成。若需重新生成，請參考該資料夾。
本指南透過軟體工程師與Claude的長時間對話探索構建，每個概念經過問題壓力測試，類比反覆調整直到恰當，並即時修正誤解。
結果更接近精煉的導師指導，而非單純參考文件。
歡迎提出PR。目標是高訊號——若你能更清楚解釋概念、修正錯誤或新增填補空白的章節，請提交PR。
這是一份基於基本原理構建的機器學習入門指南，專為希望像推理軟體系統一樣推理機器學習系統的工程師撰寫。