学习路线

微积分、极限、导数与积分等核心内容，AI 与智能科学的数学基石。

矩阵运算、行列式、向量空间与线性变换，机器学习与深度学习的核心工具。

力学、电磁学、光学与近代物理，培养物理直觉与建模能力。

数理逻辑、集合论、图论与代数结构，计算机科学的数学基础。

概率论基础、随机变量、极限定理与随机过程，机器学习的理论支撑。

新视野大学英语读写教程，涵盖学术英语与国际交流技能。

学术写作、演讲与跨文化交流能力，为国际学术合作做准备。

计算机系统概述、C 语言程序设计基础，培养计算思维与编程能力。

信息论基础、通信系统原理与信号处理入门，理解信息传输与处理的基本概念。

电路分析、模拟与数字电子技术基础，为硬件系统设计打基础。

线性表、树、图等基本数据结构及其算法，计算机科学的核心课程。

正则语言、上下文无关文法、图灵机与计算复杂性，理论计算机科学基础。

逻辑门、组合与时序电路、FPGA 设计，数字系统硬件基础。

封装、继承、多态与设计模式，工程级编程能力培养。

关系模型、SQL、事务处理与数据库设计，数据管理核心技能。

从变量循环到函数模块，掌握编程基础，为后续 AI 开发打下工程基础。

进程管理、内存管理、文件系统与I/O，理解计算机系统软件的核心。

人工智能基本概念、搜索算法、知识表示与推理，AI 学科入门。

AI 伦理、数据保护、算法治理与法律责任，科技与法律交叉领域。

监督学习、无监督学习、模型评估与特征工程，AI 核心方法论。

前馈网络、卷积网络、循环网络与优化算法，深度学习理论与实践。

嵌入式硬件、实时操作系统与物联网应用，边缘AI硬件基础。

知识图谱、逻辑推理、规划与多智能体系统，经典AI核心。

需求分析、架构设计、测试与项目管理，工程化软件开发能力。

GAN、VAE、Diffusion与Transformer，生成式人工智能前沿技术。

图像处理、特征提取、目标检测与图像分割，计算机视觉核心。

神经科学、认知心理学与计算神经科学，AI与人类智能的交叉。

技术创新方法论、项目管理与工程伦理，工程实践能力培养。

文本表示、语言模型、机器翻译与文本生成，NLP理论与应用。

机器人感知、规划与控制，认知智能在机器人系统中的实现。

情感识别、情感生成与多模态情感分析，让机器理解人类情感。

视觉-语言模型、跨模态检索与融合，多模态AI前沿。

Transformer架构、预训练、微调与对齐技术，LLM原理与实践。