以邱锡鹏《神经网络与深度学习》（“蒲公英书”）为主线，将中文理论教材、配套编程实践与进阶阅读组织成一项课程学习资源，适合系统理解模型并动手验证。
资源概览
- 作者：邱锡鹏
- 资源入口：NNDL／蒲公英书系列
- 资源类型：中文电子教材、章节目录、配套Notebook、代码与勘误
- 学习主线：神经网络与深度学习理论 + 案例与实践
- 建议基础：Python编程、线性代数、微积分与概率论；初学者可先从通识版建立直觉
主要学习内容
从学习问题到基础网络
从机器学习与线性模型出发，理解前馈网络、卷积网络、循环网络，以及训练优化和正则化，建立模型结构与训练过程之间的联系。
从注意力机制到进阶模型
继续学习Transformer、图神经网络、生成模型、强化学习及大语言模型等主题。可根据任务需要选读，不必一次覆盖所有方向。
理论与可运行案例结合
配套实践仓库提供PyTorch实现、Notebook与检查示例，覆盖基础模型、图像、序列和注意力等任务。学习时可同时阅读原理与对应实现，再通过修改参数观察实验结果。
怎样选择材料
- 建立直觉：先阅读通识版，了解学习、网络和大模型的基本思路。
- 系统学习：使用理论书第二版，结合数学附录复习推导所需基础。
- 动手实践：配合《案例与实践》的Notebook，记录环境、数据与训练参数。
- 进阶阅读：有基础后，再通过系列主站查找大模型与智能体等专题资源。
本平台建议实践路径
- 学习前馈神经网络后，进入本站神经网络可视化，比较网络结构、学习率与分类边界。
- 学习卷积网络后，进入卷积网络训练演示，比较卷积核、通道数与岩石图像特征图。
- 学习循环网络后，配合时序预测演示，观察输入窗口、隐藏状态与预测结果。
- 再按官方实践仓库说明运行Notebook，尝试自己的数据任务，并检查训练集与测试集是否独立。
以上为本平台建议的学习路径。运行条件、依赖和数据准备步骤请以配套仓库说明为准。
官方教材与配套资源
- NNDL／蒲公英书系列主站
- 《神经网络与深度学习》理论教材
- 《神经网络与深度学习：案例与实践》
- 作者官方GitHub：电子书、目录与勘误（主站访问不便时可使用）
- 作者官方GitHub：PyTorch配套实践
内容来源与版本说明
依据nndl.ai主站介绍及作者官方nndl/nndl、nndl/nndl-practice仓库整理，核对日期：2026年11月8日。电子书与代码持续修订，学习和引用时请注明所用版本。本页提供资源介绍与学习导航；教材、代码和图件按原作者声明使用。