跳转至
数学、计算机与 AI 综合手册 (中文版)
第 25 章 · AI 系统实战面试指南 — 讲解稿
正在初始化搜索引擎
godlockin/maths-cs-ai-compendium
首页
教辅资料
阅读辅助
第01章 · 向量
第02章 · 矩阵
第03章 · 微积分
第04章 · 统计学
第05章 · 概率论
第06章 · 机器学习
第07章 · 计算语言学
第08章 · 计算机视觉
第09章 · 音频与语音
第10章 · 多模态学习
第11章 · 自主系统
第12章 · 图神经网络
第13章 · 计算与操作系统
第14章 · 数据结构与算法
第15章 · 生产级软件工程
第16章 · SIMD 与 GPU 编程
第17章 · AI 推理
第18章 · 机器学习系统设计
第19章 · 应用 AI
第20章 · 前沿 AI
第21章 · 对齐与可解释性
第22章 · LLM 评测方法学
第23章 · AI Agent 与工具使用
第24章 · 数值分析与凸优化
第25章 · AI 系统实战面试指南
数学、计算机与 AI 综合手册 (中文版)
godlockin/maths-cs-ai-compendium
首页
教辅资料
教辅资料
思维导图
信息图
复习大纲
讲解稿
闪卡
阶段测试题
阶段测试题答案
全局概览
概念图谱
全书符号契约
整本书脉络地图
阅读辅助
阅读辅助
术语表
翻译规范
参考文献
全书索引
学习目标
QA 报告
事实核查报告
读者反馈报告
第01章 · 向量
第01章 · 向量
01. 向量空间
02. 向量的性质
03. 范数与度量
04. 向量积
05. 基与对偶
第02章 · 矩阵
第02章 · 矩阵
01. 矩阵的性质
02. 矩阵类型
03. 矩阵运算
04. 线性变换
05. 矩阵分解
第03章 · 微积分
第03章 · 微积分
01. 微分学
02. 积分学
03. 多元微积分
04. 函数逼近
05. 优化
第04章 · 统计学
第04章 · 统计学
01. 基础
02. 描述性度量
03. 抽样
04. 假设检验
05. 统计推断
第05章 · 概率论
第05章 · 概率论
01. 计数
02. 概率概念
03. 概率分布
04. 贝叶斯方法
05. 信息论
第06章 · 机器学习
第06章 · 机器学习
01. 经典机器学习
02. 梯度机器学习
03. 深度学习
04. 强化学习
05. 分布式深度学习
第07章 · 计算语言学
第07章 · 计算语言学
01. 语言学基础
02. 文本处理与经典 NLP
03. 词嵌入与序列模型
04. Transformer 与语言模型
05. 高级文本生成
第08章 · 计算机视觉
第08章 · 计算机视觉
01. 图像基础
02. 卷积网络
03. 目标检测与分割
04. 视觉 Transformer 与生成
05. 视频与 3D 视觉
第09章 · 音频与语音
第09章 · 音频与语音
01. 数字信号处理
02. 自动语音识别
03. 文本到语音与声音
04. 说话人与音频分析
05. 源分离与降噪
第10章 · 多模态学习
第10章 · 多模态学习
01. 多模态表征
02. 视觉语言模型
03. 图像与视频 Token 化
04. 跨模态生成
05. 统一多模态架构
第11章 · 自主系统
第11章 · 自主系统
01. 感知
02. 机器人学习
03. 视觉-语言-动作模型
04. 自动驾驶
05. 太空与极端环境机器人
第12章 · 图神经网络
第12章 · 图神经网络
01. 几何深度学习
02. 图论
03. 图神经网络
04. 图注意力网络
05. 3D 图网络
第13章 · 计算与操作系统
第13章 · 计算与操作系统
01. 离散数学
02. 计算机架构
03. 操作系统
04. 并发与并行
05. 编程语言
第14章 · 数据结构与算法
第14章 · 数据结构与算法
00. 基础
01. 数组与哈希
02. 链表、栈与队列
03. 树
04. 图
05. 排序与搜索
第15章 · 生产级软件工程
第15章 · 生产级软件工程
01. Linux 与命令行
02. Git 与代码库管理
03. 代码库设计
04. 测试与质量保证
05. 部署与 DevOps
第16章 · SIMD 与 GPU 编程
第16章 · SIMD 与 GPU 编程
00. 为什么用 C++ 与 ML 框架
01. 硬件基础
02. ARM 与 NEON
03. x86 与 AVX
04. GPU 架构与 CUDA
05. Triton、TPU 与 Pallas
06. RISC-V 与嵌入式系统
07. Vulkan Compute 与跨平台 GPU
第17章 · AI 推理
第17章 · AI 推理
01. 量化
02. 高效架构
03. 服务与批处理
04. 边缘推理
05. 扩展与部署
第18章 · 机器学习系统设计
第18章 · 机器学习系统设计
01. 系统设计基础
02. 云计算
03. 大规模基础设施
04. ML 系统设计
05. ML 设计案例
第19章 · 应用 AI
第19章 · 应用 AI
01. AI 在金融
02. 蛋白质设计
03. 药物发现
04. 智能体系统
05. 医疗健康
第20章 · 前沿 AI
第20章 · 前沿 AI
01. 量子机器学习
02. 神经形态计算
03. 太空数据中心
04. 去中心化 AI
05. 脑机接口
第21章 · 对齐与可解释性
第21章 · 对齐与可解释性
01. 什么是对齐
02. RLHF-DPO 深入
03. 对抗攻击与越狱
04. 机制可解释性入门
05. 可解释性工具与实战
06. AI 安全治理与前沿
第22章 · LLM 评测方法学
第22章 · LLM 评测方法学
01. Eval 是 LLM 的圣杯
02. 传统 NLP 指标
03. 现代 Benchmark 体系
04. 竞技场与人类偏好
05. LLM-as-Judge
06. Contamination 与 Benchmark 崩坏
07. Capability 与 Safety Eval
第23章 · AI Agent 与工具使用
第23章 · AI Agent 与工具使用
01. 什么是 AI Agent
02. Prompt 推理与规划
03. 工具使用与函数调用
04. 模型上下文协议 MCP
05. Multi-Agent 编排系统
06. Agent 生产落地
07. 从虚拟世界到真实电脑
第24章 · 数值分析与凸优化
第24章 · 数值分析与凸优化
01. 浮点与数值稳定性
02. 迭代法与稀疏线代
03. 凸集与凸函数
04. 对偶与 KKT
05. 二阶方法
06. 内点法与约束优化
07. 分布式与随机优化
第25章 · AI 系统实战面试指南
第25章 · AI 系统实战面试指南
01. 面试全景与准备心法
02. ML 系统设计 8 步框架
03. 推荐-搜索-排序
04. 反欺诈-风控-异常检测
05. 对话与 LLM 系统
06. 算法与编程面试实战
07. 行为面 + Offer 谈判
第 25 章 · AI 系统实战面试指南 — 讲解稿
¶
逐节深度讲解,包含重点公式解析、知识点串联、实际应用场景讨论。
节
链接
00. AI 面试指南总览
00. AI 面试指南总览
回到页面顶部