这里是西二在线工作室人工智能方向的考核指南，旨在为初学者提供一个循序渐进的人工智能学习路线。
本项目遵循GPL-3.0 License，转载请注明本项目仓库地址。
- 蓝色下划线是可以点进去的链接
- 文件夹可以被逐个点开看
- 你需要先查看https://github.com/west2-online-reserve/collection-ai下的git使用，作业并不是直接在github上直接修改提交的
各位在通过所有考核后，即可成为西二在线网络工作室的正式成员，届时将发放实习证明与成员证书。成为正式成员后，你将拥有诸多福利，包括：
使用工作室内的计算资源组队参与算法竞赛、获得外包与实习机会、拥有固定的个人工位及活动室使用权，以及大量的科研合作机会，或者来玩无人机。
西二考核的本质是引导式学习，而非选拔性测试。我们提供的是一条清晰的学习路径，因此，我们鼓励各位在完成考核时，尽可能地深入和完善学习内容，而非仅仅停留在满足规定上。
考核内容会持续更新，请各位留意后续阶段（尤其是第七阶段）的设置与通知。
此外，考核只会在初期阶段筛选掉缺乏热情及浑水摸鱼的同学。在后续阶段，毅力与坚持才是通关的唯一秘诀。
考核内容可以点击tasks文件夹进行查看，或者点击下方Phase的数字。
| 阶段 (Phase) | 学习内容 (Learning Content) | 目标 (Goal) | 预期时长 (Duration) |
|---|---|---|---|
| 1 | Python基础语法、生成式AI认知与使用 | 深度掌握深度学习所需的Python基础，拥有独立编写高质量Python代码的能力；通过前沿课程对生成式AI建立体系化认知，激发探索AI领域的浓厚兴趣。 | 45天，11月中旬截止 |
| 2 | 爬虫技术与数据采集 | 掌握基本的前端知识与爬虫技术，具备从网络上定向获取、清洗并结构化存储数据的能力，为后续的数据分析和模型训练任务储备弹药。 | 30天，12月中旬截止 |
| 3 | 数据科学工具链 (NumPy, Pandas, Matplotlib) | 熟练掌握数据科学“三剑客”，能够高效地进行数值计算、数据处理与清洗，并通过数据可视化进行探索性数据分析（EDA），为机器学习建模奠定坚实的数据处理基础。 | 30天，1月中旬截止 |
| 4 | 深入神经网络底层 (CS231n A1) | 告别API调用，深入算法腹地。从零开始，亲手实现经典的图像分类模型（kNN, SVM, Softmax），并构建你的第一个全连接神经网络。深刻理解损失函数、梯度下降与反向传播的每一个细节。 | 30天，与task5一起 |
| 5 | 构建现代卷积网络 (CS231n A2) | 掌握模块化思维，构建现代深度神经网络。亲手实现批量归一化（Batch Normalization）、随机失活（Dropout）等关键组件，并最终搭建起一个真正的卷积神经网络（CNN），在图像分类任务上达到新的高度。 | 30天，3月中旬截止 |
| 6 | 前沿领域探索 (CS231n A3 / CS224n) | 向AI前沿进军。根据个人兴趣，选择一个深度方向（如CV高级、NLP）进行攻坚。你将接触并实现如Transformer、GAN等里程碑式模型，具备初步阅读、理解并复现顶会论文的核心能力。 | 30天，4月中旬截止 |
| 7 | AI项目实战 | 完成端到端项目交付，贯通真实AI工程链路。你将亲历Kaggle竞赛从数据分析到模型提交的全流程，并深入前沿领域：或微调并应用大语言模型（NLP），或实现并创造高级视觉效果（CV），将理论知识转化为解决实际问题的硬核能力。 | 45天，6月截止 |
| 8 | 未来展望 (Future Endeavors) | 星辰大海：成为独立的研究者与贡献者。开始你的开源贡献之旅，参与前沿项目的复现，或在Kaggle等竞赛中磨练实战技能。让学习成为一种习惯，持续追踪并引领技术浪潮。 | — |
考核设计遵循一个核心理念：培养能够创造模型的“AI构建者”，而非仅仅调用库的“API使用者”。为实现这一目标，在关键的入门阶段（如神经网络基础和CNN）限制使用高级框架，而是回归基础，亲手搭建算法的核心引擎。从损失函数到完整的反向传播链条，再到批量归一化等关键组件，都必须从零开始手动实现。这个“造轮子”的过程，能确保深刻理解数据在网络中如何流动、梯度如何计算，从而构建起坚不可摧的理论与实践基础。
在此基础上，进一步强调“计算思维”与“系统整合”能力。在底层实现阶段，通过强制向量化编程，培养高效处理数据的思维模式。而在更高阶的考核中（如生成模型），即便允许使用PyTorch，考核的重点也从“实现”转向了“整合与理解”。需要将自己先前构建的模块（如CNN）与新的复杂模型（如RNN/Transformer）进行拼接，并要求可视化注意力权重、分析模型内部状态，以此证明不仅能搭建系统，更能洞察其内在机制，真正做到知其然，并知其所以然。
欢迎进群了解更多内容。
