AI-IT知识体系
费曼学习法:用最简单的话,解释最复杂的概念。
📚 内容导航
| 名称 | 说明 | 链接 |
|---|
| AI核心知识 | 理解人工智能的核心理论与技术 | 进入 |
| AI伦理与安全 | 理解人工智能的伦理问题与安全挑战 | 进入 |
| AI应用 | 理解人工智能的实际应用场景 | 进入 |
| 数据基础 | 理解数据处理与分析的核心知识 | 进入 |
| 基础知识 | 理解计算机科学的核心基础知识 | 进入 |
| 硬件基础 | 理解计算机硬件的核心知识 | 进入 |
| 网络基础 | 理解计算机网络的核心知识 | 进入 |
🧭 计算机科学核心课程路线
按认知顺序从下往上:先有描述世界的语言(数学),再有执行指令的机器(硬件),再有多任务的管理者(操作系统),然后是跨机器的通信(网络),最后才是人与系统协作的工程(软件与数据)。
| 顺序 | 课程 | 一句话为什么先学它 | 入口 |
|---|
| 1 | 离散数学 | 给「对象、规则、结构、计数」打底,是算法与数据模型的语言 | 进入 |
| 2 | 高等数学 | 极限/导数/积分与线代、概率,是优化与模型推理的计算器 | 进入 |
| 3 | 计算机组成原理 | 知道指令怎么跑、数据怎么流,才能解释性能瓶颈从哪里来 | 进入 |
| 4 | 单片机与嵌入式 | 最小的完整系统,把硬件、中断、实时性一次说清 | 进入 |
| 5 | 操作系统 | 进程、内存、文件系统、I/O:线上大多数诡异报错的根源 | 进入 |
| 6 | 计算机网络 | 一旦服务跳出一台机器,协议栈与 DNS/路由就成了默认假设 | 进入 |
| 7 | 数据结构与算法 | 有了前六门的语言与机器,这里才谈「怎么算得快」 | 进入 |
| 8 | 软件工程与开发艺术 | 需求到监控的全生命周期,加上让代码保持可改的底层习惯 | 进入 |
| 9 | 数据与系统设计 | 数据库、缓存、消息队列:把上面所有约束收敛到一个可运行的系统 | 进入 |
| 10 | AI 核心与应用 | 以上全通之后,机器学习与大模型只是新的组合 | 进入 |
🎯 按问题找答案
🔗 相关链接