A.1 推荐学习资源
只有当外部资源能解决你当前的卡点时，才值得打开。不要把收藏链接当成做项目的替代品。
| 你卡在什么地方 | 优先补什么 | 回到哪里验证 |
|---|---|---|
| 概念直觉 | 3Blue1Brown、可视化讲解、课程图解 | 当前章节练习 |
| Python 基础 | Python 官方教程、Real Python | 第 2 章代码练习 |
| 数据处理 | Pandas、NumPy、Matplotlib、SQL 文档 | 第 3 章小项目 |
| 数学与 ML 理论 | 吴恩达 ML、周志华《机器学习》、scikit-learn 文档 | 第 4-5 章 |
| 深度学习代码 | PyTorch 文档、Dive into Deep Learning、Fast.ai | 第 6 章 notebook |
| 大模型使用 | Hugging Face 文档、模型服务商文档 | 第 7-8 章 |
| RAG / Agent 工程 | LangChain、LangGraph、LlamaIndex、MCP 文档 | 第 8-9 章项目 |
| CV / NLP / 多模态 | CS231n、CS224n、OpenCV、扩散模型和多模态资料 | 第 10-12 章 |
| 开源大模型部署 | Datawhale Self-LLM、Hugging Face Transformers、vLLM、SGLang、llama.cpp、Ollama | 第 13 章 |
一个卡点只选一个资源
Section titled “一个卡点只选一个资源”每次补资源，都要留下一个小成果：
| 资源学习方式 | 最小成果 |
|---|---|
| 看概念视频 | 用 3 句话重写这个概念 |
| 查官方文档 | 跑通 1 个官方示例 |
| 读博客/教程 | 把 1 个做法用到课程项目里 |
| 读论文/综述 | 写出“旧问题 -> 新方法 -> 项目影响” |
学完这一页，至少保留这张证据卡：
- 学习差距
- 需要加强的概念、代码技能、项目技能、论文或部署技能
- 资源选择
- 一个主要资源，以及它为何适合当前瓶颈
- 时间盒
- 在回到项目之前使用它的时长
- 风险检查
- 收集资源而不是产出证据
- 期望产出
- 一份简短的资源计划，附带阅读后要产出的一个成果
- 收藏很多链接，但不运行代码。
- 一段看不懂就立刻换资源。
- 只看理论，不回到项目验证。
- 还没做最小示例，就先想学完整框架。
打开新资源前，先问三个问题：
- 我到底卡在哪个具体问题？
- 这个资源能给我不同解释、官方 API 答案，还是可运行示例？
- 看完之后，我要回到课程里的哪个任务？
如果答不上来，就先继续主线课程。
能选择一个资源、设置一个时间盒，并说出回到课程项目前要产出的具体成果，就算通过这一页。