从文献搜索到项目实战，帮助你系统掌握计算心理学研究的完整工作流。
《计算心理学新手教程》面向心理学、认知科学与神经科学学习者，聚焦科研场景下的实验设计、数据分析、计算建模与编程实践。
本教程不是百科全书，但可以帮助本科生、研究生了解基本概念，以及自己应该如何开始自己的工作。
本教程使用AI（Kimi、Gemini）协助完成。
- 心理学/认知科学/神经科学研究生
- 需要使用计算模型的科研新手
- 希望系统学习科研工作流的本科生
- 想提升编程与数据分析能力的研究者
不太适合：
- 已有丰富科研经验、希望快速获取高阶专题的研究者
- 只关注工程落地、不关注科研方法论的纯工程开发者
如果你是心理学、认知科学、神经科学的研究生（或本科生），正在学习或使用：
- 实验设计与数据分析
- 计算建模与参数拟合
- 神经影像（fMRI、EEG）或生理数据
- 编程工具（R、Python、MATLAB）
但是电脑在此之前主要被你用来看视频与打游戏，而你完全不知道该从哪里开始工作，那么这份教程就是为你准备的。
- 全流程覆盖：从文献阅读到项目落地，覆盖科研完整链条
- 概念优先：不仅讲“怎么做”，更讲“为什么这样做”
- 实践导向：每章包含练习与思考，强调可迁移能力
- 跨学科整合：连接心理学、神经科学、建模与编程
教程共 7 个部分，建议按顺序推进：
- Part 1 学术基础：文献检索、阅读、AI 辅助科研
- Part 2 实验设计：实验规范与数据质量控制（待更新）
- Part 3 计算模型：参数拟合、模型比较与经典模型
- Part 4 神经科学：神经信号测量与分析逻辑
- Part 5 编程基础：OS、环境、包管理、IDE 等核心概念
- Part 6 工具实战：手把手在Windows上搭建完整科研环境（待更新）
- Part 7 项目实战：完整走通一个研究项目（待更新）
推荐初学者先完成：Part 1 → Part 3 → Part 5，再按兴趣深入其他部分。
- 顺序学习：适合零基础或转方向学习者
- 按需查阅：按章节解决当前研究问题
- 学练结合：每章内容都建议落地到自己的项目
- AI 协作：可结合 GPT/Claude/NotebookLM 等工具即时提问和复盘
欢迎通过以下方式参与项目共建：
- 提交问题或建议：GitHub Issues
- 贡献内容或修正错误：Pull Requests
- 支持项目发展：Star 本项目