4/28/2024这天，注意力涣散的 kinnari 不小心注意到了 cs-plan 这个 wiki 网站，然后顺藤摸瓜找到了 0xFFFF，并且顺道看了 wiki.0xFFFF.one，并注意到如下两点： 1. 我对 wiki 首页多人协同方式构造计算机专业学习 Wiki 的设想非常感兴趣。CS发展到现在已经是一个非常庞大的东东了，想要凭借一个人的力量搭建一个完整的 cs 学习规划几乎不太可能，就算是著名的 csdiy 也没能做到这点。 2. 国内目前还没有什么比较好的 ai 方面的学习规划（如果有那就是我注意力涣散了……），而众所周知，这几年 ai 挺火的。恰巧我也是 ai 专业的学生，平时也搭建了一个 ai 向的网站（虽然还处于起步阶段就是了）。另外，ai 的学习路线和传统的 cs 还是有一些不同，比方说需要的数学基础就不一样。所以我个人觉得自己可以担任写一份 ai 向学习规划的任务。先甩一个我的网站：，GitHub 仓库：我目前的状态是个人在维护这个网站，还没有做过宣传之类的工作（毕竟刚起步的东西也没什么好宣传的），大概是我学完两到三门课就更新一次，也就是几个月一更。网站内容呢大概是我的个人学习路线规划、学习心得以及一些工具的介绍，偏 ai 向。现目前还不太需要贡献者，当然有的话更好。我预估在我大三左右可以完成这个网站的绝大部分建设（顺便说一句我现在大一）有想和我联系的UU可以加我QQ：2823324228，请注意做好备注说明，不然我会不通过的。这个帖子就拿来发布更新消息吧，虽然下次更新可能得暑假去了。要是您觉得我写得还行的话，麻烦点个star，谢谢。

> @"KinnariyaMamaTanha"#p11415 不过以后 AI 发展也说不清楚能不能代替人类做这方面的工作。做个辅助应该还是不错的。

期末周考完我迅速地进行了更新hhh。本次更新内容如下： - 新增课程： - C++：Stanford CS106B - Python：Stanford CS106A - 数学分析：PKU 00331501/2 - 离散数学：STJU CS2501H，Stanford CS103， - 概率论：MIT RES.6-012 - 高等代数：FDU MATH120011 - 机器学习：Stanford CS229，UCB EECS189/289A - 深度学习：Stanford CS230，李宏毅机器学习，动手学深度学习，个人学习路线 - 新增书籍：*C++ Primer Plus*，数学分析教程，数据结构：思想与实现，*Introduction to Probability* - 新增工具：Docker，LaTeX - 新增章节：overview，主要关于课程简介和书籍推荐 - 对过往内容的一系列修改另外，由于这学期我深刻地意识到每个人的学习速度、学习安排是大不相同的，因此我将原来以时间为序的安排全部取消，仅保留了一个学习路线图于 [My aiTour](https://aitour.icu/learning-path/) 界面，其余部分改为类似于 csdiy 与 cs-plan 的编排顺序，同时也方便日后各个网站的整合工作，同时也方便贡献者的贡献。对于一些在 csdiy 和 cs-plan 中已有非常详尽的介绍的课程，我没有再写新的内容，而是直接引用。我也引入了书籍推荐，和课程推荐并行，原因是我认为读书也是自学的重要一环，需要分享交流。感觉到不足的一点就是一些课程内容非常好，但是没有公布作业或者解答，但是我仍然将这种课程加入了网站，可以起一个参考作用。欢迎来看看这次更新后的网站！[aiTour](https://aitour.icu/) 暑假要来了，祝各位假期愉快！

在上次更新中，我计划九月中旬进行更新，但是……~~我鸽了~~ 所以趁这几天国庆放假连忙进行了一波更新（汗 ## 新增内容 - **EPFL CS439 - Optimization for Machine Learning**：这是一门专门开设给机器学习的凸优化课程，专注于梯度下降、牛顿迭代法、坐标优化法等算法及其变体，适合于仅仅想了解凸优化在当前的机器学习中的应用 - **西湖大学 - 强化学习的数学原理**：这是一门强化学习原理的入门课程，专注于一些经典强化学习算法背后的数学原理，没有代码讲解，内容偏简单，但是连贯性极佳，看完后会对各种算法及其联系有扎实的理解 - **UCB CS285 Deep Reinforcement Learning**：UCB 的强化学习课程，适合在西湖大学的这门课程之后来听，效果挺不错，csdiy 上也有相应的介绍部分 - **Tuibingen ML 4360: Computer Vision**：这门课不仅仅只关注深度学习在计算机视觉中的应用，也介绍了一些其他方面的内容；并且这门课更关注 3D 视觉，适合用于入门 - **Stanford CS 224W: Machine Learning with Graphs**：有个同学给我推荐这门课，我自己还没上，csdiy 中有相关的介绍 - **Stanford CS236: Deep Generative Model**：一门连贯性巨好的生成式模型课程，而且 slides 的详细程度令人咋舌，光靠看 slides 就可以学习到绝大部分内容 - **CMU 10-414: Deep Learning System**：教写深度学习底层架构的课程，我出于兴趣在上今年这门课的秋季学期，等到学期末可能会补全介绍 - **GAMES 003: 科研基本素养**：因为我在进行科研的时候感到有些迷茫，偶然间发现了这门课介绍一些基本素养，感觉挺有用，就加上来了另外，感觉到自己一个人的力量太有限了，所以就把自己遇到的所有课程全部放在了 [可能适合修读的课程清单](https://aitour.icu/overview/possible-course-list/) 上，既是因为这样可以减少他人重复搜索的麻烦，也是希望有人能帮忙提供介绍。因为我参加的研究的内容大致我已经学完了（接下来逐渐会是一些前沿领域，不适合作为基础课程加到网站里去），所以后期我个人的课程补充可能会渐渐变少，所以，还是希望做贡献的同学们能越多越好啊……比方说自然语言处理、模型底层架构、推荐系统、大语言模型等等方向的同学们能加入一起，那该多好啊…… 还有就是，看到现在的 roadmap，真的有一种莫名的自豪感哈哈 ![](https://static.0xffff.one/files/2024-10-05/1728112400-317131-screenshot-from-2024-10-05-15-12-29.png)

aiTour 发布楼

0x0001

期待，想起 Roadmap.sh 最近也在推 AI 生成个性化 roadmap，我感觉挺有搞头，知识体系的东西大模型还是比较擅长的

Roadmap AI

KinnariyaMamaTanha

0x0001 哦哦谢谢您，我以前不知道这个网站，刚刚用了一下它来做 AI 向的 roadmap，感觉结果并不是特别好（尽管大体框架还行），因此我认为人为搭建 roadmap 还是必不可少的。不过以后 AI 发展也说不清楚能不能代替人类做这方面的工作。

MingLLuo

KinnariyaMamaTanha 啊哈，居然还有人看我写的东东，没有一个人能够完整给出cs学习的规划，这是一个断言。

csplan本意也是邀请或者通过各种渠道拓展信息源，进行合理并简化的整合。对我个人而言，AI不是我会选择深造的方向，因此在这方面并不能给出很好的探索性建议，也只能整理出一些基本的学习方式、路径。

在我看来，分享与具化AI学习的路径是极具迫切性的，许多大学新生一进校，最多接触的专业名词，几乎都是AI相关。这股浪潮很不对劲，而学生自己并没有合适的资源覆盖这方面的学习，可能经过一段时间的学习还是不能理解一些基本概念，也很希望看到你的分享，有相关的想法也可以一起沟通碰撞。

从8月初到现在还没怎么更新csplan，主要是立了个写完cs162的flag，很高兴前几天通过了pintos所有的测试，所以最近就会恢复csplan的更新，尽量在五一期间优化和补充一些内容。

KinnariyaMamaTanha

MingLLuo 哈哈是的，现在的媒体、学校之类宣传 AI 太过了，比实际上的 AI 夸大了挺多。我上学期学完之后就感觉国内的教育水平和 AI 相关的认知实在是难以恭维，查阅 csdiy 之后发现 AI 向的内容也并不深入，写出一个 AI 的学习规划似乎有一些价值。加上我也喜欢做总结规划，所以寒假就建了这个网站，后来加入 cs61c 的 QQ 交流群看到了您的宣传，最近突然想起您的网站就进行了阅读，顺便发现了 0xffff 宝藏。

尽管我也认同您的观点”分享与具化AI学习的路径是极具迫切性的“，但是限于个人能力和网站质量考虑，我只能慢慢更新这个网站，大概再过两到三年可以完成大部分内容。并且由于学业方面的压力，我也不能抽出很多时间来维护，大多数内容都是我在假期内完成的，学期内则进行一些修改补充。不过，等到它完成之时，应该能够帮助到一些人吧。

期待您的网站日渐完善，共勉！如果需要的话，我们可以互加 QQ 进行交流~

milin

MingLLuo
老哥你好，看了你在plan上的推荐的四大件公开课，但是我对我个人而言，虽然b站别人上传的有中文字幕的，但是我个人的话边看字幕边学，效率太低了。我想能不能看国内对应的课程，之后再去做公开课的项目作业，请问老哥四大件对应的的国内课程有推荐的吗，多谢

0x0001

KinnariyaMamaTanha 不过以后 AI 发展也说不清楚能不能代替人类做这方面的工作。

做个辅助应该还是不错的。

KinnariyaMamaTanha

期末周考完我迅速地进行了更新hhh。本次更新内容如下：

新增课程：
- C++：Stanford CS106B
- Python：Stanford CS106A
- 数学分析：PKU 00331501/2
- 离散数学：STJU CS2501H，Stanford CS103，
- 概率论：MIT RES.6-012
- 高等代数：FDU MATH120011
- 机器学习：Stanford CS229，UCB EECS189/289A
- 深度学习：Stanford CS230，李宏毅机器学习，动手学深度学习，个人学习路线
新增书籍：C++ Primer Plus，数学分析教程，数据结构：思想与实现，Introduction to Probability
新增工具：Docker，LaTeX
新增章节：overview，主要关于课程简介和书籍推荐
对过往内容的一系列修改

另外，由于这学期我深刻地意识到每个人的学习速度、学习安排是大不相同的，因此我将原来以时间为序的安排全部取消，仅保留了一个学习路线图于 My aiTour 界面，其余部分改为类似于 csdiy 与 cs-plan 的编排顺序，同时也方便日后各个网站的整合工作，同时也方便贡献者的贡献。

对于一些在 csdiy 和 cs-plan 中已有非常详尽的介绍的课程，我没有再写新的内容，而是直接引用。

我也引入了书籍推荐，和课程推荐并行，原因是我认为读书也是自学的重要一环，需要分享交流。

感觉到不足的一点就是一些课程内容非常好，但是没有公布作业或者解答，但是我仍然将这种课程加入了网站，可以起一个参考作用。

欢迎来看看这次更新后的网站！aiTour

暑假要来了，祝各位假期愉快！

KinnariyaMamaTanha

暑假更新

暑假在实验室科研划水的同时，也学习了几门课程，同时关注人数不知不觉来到了两位数（虽然也不多），鸽了两个月之后也是时候进行更新了。

新增内容

随机过程
计算机视觉

还有自然语言处理和优化理论还剩一点尾没有结束，过几天再补上。此外，发现 mkdocs 的一个插件 mkdocs-obsidian-interactive-graph-plugin 非常适合用于做 roadmap，遂添加。

删除/替代内容

删除了数学分析，替换为 MIT 的微积分课程，因为数分其实没啥卵用（又是被 sb 学校的 sb 课程安排狠狠坑掉的一节
删除了高等代数，因为不做人工智能理论算法基本不会碰到这块；如果做的话，高等代数又不完全够，需要矩阵分析才够，所以位置显得比较尴尬。

总的来说，这次其实没做太大的修改，只是因为不想鸽~~并且证明我还活着~~而进行的更新。

预计本月中旬进行下次更新。

MingLLuo

milin
国内是有不错的公开课，你自己应该也有一个标尺来选符合自己的材料，我简单拉个表没啥帮助。
但从你的问题来看，一是有点迈不过语言关，看公开课的时候希望逐字按字幕理解学习，二是你没有试着换个角度学习同一套资料。
我推荐先从文字材料入手学习，比如课程的slides，课后的notes，包括课程内容所涉及教材的对应章节，这部分的比例占大头，从这些材料推断这个Lecture会怎么讲解也是一个好idea。之后再过渡到视听材料，如果有把握，可以跳着只学习不理解的部分。很多Lecturer会在整个课堂流中挖掘对应知识点，或深或浅，因此最好过遍课程视频，再进行相应练习。
不大了解你的情况，总结一下就是整理好自学材料，该啃就啃，别对自己太温柔了。你也可以去看看其他人的想法，先暂时说这些hh

KinnariyaMamaTanha

在上次更新中，我计划九月中旬进行更新，但是……~~我鸽了~~

所以趁这几天国庆放假连忙进行了一波更新（汗

新增内容

EPFL CS439 - Optimization for Machine Learning：这是一门专门开设给机器学习的凸优化课程，专注于梯度下降、牛顿迭代法、坐标优化法等算法及其变体，适合于仅仅想了解凸优化在当前的机器学习中的应用
西湖大学 - 强化学习的数学原理：这是一门强化学习原理的入门课程，专注于一些经典强化学习算法背后的数学原理，没有代码讲解，内容偏简单，但是连贯性极佳，看完后会对各种算法及其联系有扎实的理解
UCB CS285 Deep Reinforcement Learning：UCB 的强化学习课程，适合在西湖大学的这门课程之后来听，效果挺不错，csdiy 上也有相应的介绍部分
Tuibingen ML 4360: Computer Vision：这门课不仅仅只关注深度学习在计算机视觉中的应用，也介绍了一些其他方面的内容；并且这门课更关注 3D 视觉，适合用于入门
Stanford CS 224W: Machine Learning with Graphs：有个同学给我推荐这门课，我自己还没上，csdiy 中有相关的介绍
Stanford CS236: Deep Generative Model：一门连贯性巨好的生成式模型课程，而且 slides 的详细程度令人咋舌，光靠看 slides 就可以学习到绝大部分内容
CMU 10-414: Deep Learning System：教写深度学习底层架构的课程，我出于兴趣在上今年这门课的秋季学期，等到学期末可能会补全介绍
GAMES 003: 科研基本素养：因为我在进行科研的时候感到有些迷茫，偶然间发现了这门课介绍一些基本素养，感觉挺有用，就加上来了

另外，感觉到自己一个人的力量太有限了，所以就把自己遇到的所有课程全部放在了可能适合修读的课程清单上，既是因为这样可以减少他人重复搜索的麻烦，也是希望有人能帮忙提供介绍。

因为我参加的研究的内容大致我已经学完了（接下来逐渐会是一些前沿领域，不适合作为基础课程加到网站里去），所以后期我个人的课程补充可能会渐渐变少，所以，还是希望做贡献的同学们能越多越好啊……比方说自然语言处理、模型底层架构、推荐系统、大语言模型等等方向的同学们能加入一起，那该多好啊……

还有就是，看到现在的 roadmap，真的有一种莫名的自豪感哈哈

KinnariyaMamaTanha

建了一个 AI 交流群，目前人很少，欢迎加群：793679786