🧠 AI训练师手册

照着《AI训练师手册——算法与模型训练从入门到精通》（谷建阳 编著，北京大学出版社）做的自学笔记 —— 本仓库 AI 方向已有三门：Agent+RPA实战讲怎么让 AI 把活干完；DeepSeek Harness架构讲模型外面那层壳怎么搭；图解HTTP讲一个请求怎么走完全程。这一本讲「训」——数据怎么标、模型怎么调、指标怎么读、最后怎么部署上线。它不讲 Transformer 的公式推导，讲的是坐在训练师工位上每天真正要做的判断：这份数据够不够、这个指标说明什么、这版模型能不能发。全书 10 章 117 篇，一条主线十个问题：第 1 章 10 篇认识AI新职业（这个职业到底在做什么）；第 2 章 8 篇能力培养（要会哪些硬功夫）；第 3 章 13 篇编程语言（代码怎么写起来）；第 4 章 9 篇机器学习算法（三条路怎么选）；第 5 章 11 篇深度学习算法（和机器学习差在哪）；第 6 章 15 篇自然语言处理（文字怎么变成模型能算的数）；第 7 章 8 篇数据标注（这一环为什么最费钱）；第 8 章 14 篇神经网络训练（六种网络结构各管什么）；第 9 章 15 篇模型评估和优化（模型好不好用什么指标说话）；第 10 章 14 篇管理和部署（怎么安全地放到线上给人用）。本课是 原理课＋实操课，分三层写：第一层「能算的」全部真算（参数量、FLOPs、显存与时间账、准确率／精度／召回／F1／AUC、混淆矩阵、LoRA 占比、量化后的体积）；第二层「能用 numpy 手写就手写」全部真跑（线性回归与梯度下降、两层神经网络、感知机、卷积与池化、RNN 与 LSTM、K-means、朴素贝叶斯、TF-IDF、SVD 词向量、一维 GAN、扩散去噪、ROC 曲线、交叉验证、网格搜索、集成投票，以及真起一个本地推理 HTTP 服务做压测）；第三层「必须在图形界面里点的」（文心一言、Stable Diffusion WebUI、VGG Image Annotator、Google Colab）写成【📋 实操清单】加【🐍 沙箱等价物】——清单说清点哪儿、填什么、看到什么算成功。技术事实按 2026 年当下核实过，与成书时的差异（产品更名、界面改版、VGA 停更等）用【⚠️ 2026 现状】单列。大白话、不跳步骤、必带生活比喻、常见误区、可折叠自测题。

内容来自我的 Obsidian 自学笔记 · 全书 10 章 117 篇已全部写完 · 全书完结 🎉