Ch19 应用 AI · 闪卡 (Anki 导出)¶

50 张卡,涵盖 5 节核心。Anki Deck: Ch19 应用 AI

Section A: 金融¶

Card 1¶

Front: Sharpe ratio 公式? Back: \(S = (R_p - R_f) / \sigma_p\)。组合收益减无风险, 除以波动。

Card 2¶

Front: Sharpe > 2 含义? Back: 极好策略 (> 2), > 3 罕见。

Card 3¶

Front: Sortino ratio 与 Sharpe 区别? Back: Sortino 只用下行波动 (downside), Sharpe 用全部波动。

Card 4¶

Front: VaR 含义? Back: Value at Risk, 在 \(\alpha\) 置信度下的最大损失。

Card 5¶

Front: Maximum Drawdown? Back: 历史最大回撤, 衡量最坏情况。

Card 6¶

Front: 信息系数 (IC)? Back: 预测值与实际值的 Pearson 相关, 量化策略评估。

Card 7¶

Front: 反欺诈 ML 任务? Back: 二分类 (欺诈 / 正常), 类不平衡, 异常检测。

Section B: 蛋白设计¶

Card 8¶

Front: AlphaFold 输入? Back: MSA (多序列比对) + 可选模板。

Card 9¶

Front: AlphaFold 核心模块? Back: Evoformer (pair + MSA 推理) + Structure module。

Card 10¶

Front: pLDDT 含义? Back: 残基置信度 [0, 100], > 90 高置信。

Card 11¶

Front: TM-score 与 RMSD 区别? Back: TM-score 长度无关 [0, 1]; RMSD 长度敏感 (Å)。

Card 12¶

Front: RFdiffusion 来源? Back: Watson et al., Nature 2023, Baker Lab。

Card 13¶

Front: ProteinMPNN 用途? Back: 给定 backbone, 设计序列。Inverse folding。

Card 14¶

Front: AlphaFold 3 与 2 区别? Back: AF3 处理蛋白 + DNA + RNA + 小分子复合体。

Section C: 药物发现¶

Card 15¶

Front: QED 含义? Back: Quantitative Estimate of Drug-likeness, [0, 1]。

Card 16¶

Front: LogP 含义? Back: 脂水分配系数, 衡量脂溶性。

Card 17¶

Front: ADMET 代表? Back: Absorption / Distribution / Metabolism / Excretion / Toxicity。

Card 18¶

Front: SMILES 是什么? Back: Simplified Molecular Input Line Entry System, 分子文本表示。

Card 19¶

Front: 分子 docking 工具? Back: DiffDock, AutoDock Vina, GNINA。

Card 20¶

Front: 分子生成方法? Back: VAE / GAN / RL / Diffusion + SMILES / 3D 图。

Section D: Agent¶

Card 21¶

Front: LLM Agent 组成? Back: LLM + 工具 + 记忆 + 规划。

Card 22¶

Front: ReAct 含义? Back: Reasoning + Acting, 思考 → 行动 → 观察 → 循环。

Card 23¶

Front: RAG 三阶段? Back: 文档分块 → embedding → 向量库; query 检索 → top-k → LLM 生成。

Card 24¶

Front: Function calling 是什么? Back: LLM 输出结构化参数, 调用外部 API。

Card 25¶

Front: MCP 是什么? Back: Model Context Protocol, Anthropic 推出的工具协议。

Card 26¶

Front: AutoGPT 含义? Back: LLM 自主规划 + 执行, 无人工干预。

Card 27¶

Front: LangGraph 是什么? Back: LangChain 的图状态 Agent 框架。

Section E: 医疗¶

Card 28¶

Front: 医学影像分割指标? Back: Dice score, IoU, Hausdorff distance。

Card 29¶

Front: Dice score 公式? Back: \(2 |A \cap B| / (|A| + |B|)\)。

Card 30¶

Front: Sensitivity 含义? Back: 召回率 / 真阳性率, \(TP/(TP+FN)\)。

Card 31¶

Front: Specificity 含义? Back: 真阴性率, \(TN/(TN+FP)\)。

Card 32¶

Front: AUROC 含义? Back: ROC 曲线下面积, [0, 1], 0.5 随机, 1 完美。

Card 33¶

Front: 联邦学习核心? Back: 多方联合训练, 不共享原始数据。

Card 34¶

Front: 差分隐私 \(\epsilon\)? Back: 越小隐私越强, \(\epsilon < 1\) 严格。

Section F: 跨章¶

Card 35¶

Front: Ch07 + Ch19 §02 AlphaFold? Back: AlphaFold 用 Transformer (Evoformer)。

Card 36¶

Front: Ch12 + Ch19 §02 GNN 蛋白? Back: 蛋白图用 GNN (EGNN / Equiformer)。

Card 37¶

Front: Ch08 + Ch19 §03 Diffusion 药物? Back: 分子生成用 Diffusion (3D-SBDD)。

Card 38¶

Front: Ch07 + Ch19 §04 LLM Agent? Back: Agent = LLM 推理 + Tools + 记忆。

Card 39¶

Front: Ch17 + Ch19 §04 Agent vLLM? Back: Agent 后端用 vLLM 推理引擎。

Card 40¶

Front: Ch05 + Ch19 §01 量化? Back: 量化策略用统计 (假设检验, 回测)。

Section G: 现实应用¶

Card 41¶

Front: 量化交易代表? Back: Renaissance Technologies, Two Sigma, Citadel。

Card 42¶

Front: AlphaFold DB? Back: DeepMind 公开 2 亿 + 蛋白结构数据库。

Card 43¶

Front: Isomorphic Labs? Back: DeepMind 衍生公司, AI 制药。

Card 44¶

Front: Anthropic Claude Agent? Back: Computer Use + MCP + 多步推理。

Card 45¶

Front: GPT-4o 多模态医疗? Back: 影像 + EHR + 文本融合诊断。

Section H: 工程¶

Card 46¶

Front: 量化策略回测工具? Back: Backtrader, Zipline, Qlib (Microsoft)。

Card 47¶

Front: AlphaFold 命令? Back: python run_alphafold.py --fasta_paths input.fasta。

Card 48¶

Front: LangChain RAG 示例? Back: RetrievalQA.from_chain_type(llm, retriever=vectordb.as_retriever())。

Card 49¶

Front: LlamaIndex 用途? Back: RAG 框架, 文档索引 + LLM。

Card 50¶

Front: 一句话总结 Ch19。 Back: 应用 AI = AI 在垂直行业落地。覆盖 §01 金融 + §02 蛋白 (AlphaFold) + §03 药物 (分子生成) + §04 Agent (ReAct/RAG/Tool) + §05 Healthcare。是 AI 应用工程师的"落地"课。