我的学习计划
这一页原来是一份 AI 生成的「四阶段 18 个月」路线图，删了：过于繁杂，做不到，挂出来没有诚意。 现在换成两层结构——近期详细，长远只留骨架。近期的部分是我马上动手的数学基石；长远的部分是通向 AI Infra 的台阶，只留方向和对标课程，不再给自己排那种完成不了的日程。
拒绝「视频通关」的虚假熟练感，以「高强度作业 + 底层手写 + 同行评审」为唯一衡量标准。
三条铁律
- 时间换算：1 学分 = 每周 3 小时投入。一门 5 学分的硬核课 = 每周 15 小时——其中只有 3 小时看课，剩下 12 小时全部用来做题、Debug、写代码
- AI 使用禁令：初学核心底层机制时彻底关掉代码补全，手敲每一行建立神经连接；只在完全掌握后的工程生产阶段用 AI 提效
- 验证标准：不是「看完了」，而是独立解决了多少挑战题、手写了多少行底层代码、接受了多少次真实评审
近期：数学基石，不可跳过
目标：建立形式化逻辑思维与概率直觉。
离散数学与证明 ← 正在做
- 对标：斯坦福 CS103（Mathematical Foundations of Computing）
- 自学资源：MIT 6.042J《Mathematics for Computer Science》，课程与习题集完全公开
- 内容：逻辑学、集合论、函数与关系、图论、自动机理论、可计算性与复杂度理论
- 做法：习题集拿纸笔推演，不敲进电脑里敷衍自己（准备把习题和考试整理成册打印下来，全英文，顺便学英语喽）
- 验收：能熟练运用数学归纳法、反证法和鸽巢原理，完成算法正确性的证明。做不到这条，后面读再多书也是自我感动
概率论与统计 ← 下一门
- 对标：斯坦福 CS109（Probability for Computer Scientists）
- 自学资源：Harvard Stat 110，课程视频与作业公开
- 验收：完成高质量作业；理解 MLE、贝叶斯、信息论背后的数学逻辑
同时在做的实践
- Nand to Tetris：从与非门搭计算机，正在推进
- Python 学习笔记：用AI搞的，还没有深入理解。
- AI 桌宠：环境、规范、安全、git 管理的全流程初体验
- 战地一学习记录：兴趣也是学习的一部分（
给自己的规矩
- 计划宁可小，也要做得到：不设 18 个月的宏图，只设本周的目标
- 学过的东西在本站留一篇笔记——写不出来，说明没学会
- 纸笔推演优先：证明题敲进 Markdown 里不算数
- 感到痛苦和望而生畏是正确的——学得舒服，说明强度不够
资源清单（全部公开，集中在此）
数学基石
- MIT 6.042J：ocw.mit.edu/6-042j
- 斯坦福 CS103：web.stanford.edu/class/cs103
- Harvard Stat 110：课程站 ｜ 视频合集
- 斯坦福 CS109：web.stanford.edu/class/cs109 ｜ 视频合集
计算机系统
- CMU 15-213（CS:APP）：课程站 ｜ Labs
- MIT 6.S081（xv6）：pdos.csail.mit.edu/6.S081
算法
- 斯坦福 CS161：cs161.org
- Princeton Algorithms：algs4.cs.princeton.edu
- MIT 6.046J：ocw.mit.edu/6-046j
AI 硬核
- 斯坦福 CS229：cs229.stanford.edu
- 斯坦福 CS336：课程站 ｜ GitHub
工程实战
- 斯坦福 CS144：web.stanford.edu/class/cs144（官方页，会跳转到 cs144.github.io 的 Lab 站）
- 斯坦福 CS143：web.stanford.edu/class/cs143
- Crafting Interpreters：craftinginterpreters.com
访问说明：以上全是公开教育资源，无需任何账号或校内权限。但国内直连时 YouTube、GitHub（含
*.github.io）经常打不开或超时，需要自备网络环境；Harvard 的课程站对非浏览器访问会返回 403，用浏览器正常打开即可。 课程内容每年更新，最新 Lab 与 Reading List 以各课程官网为准；部分斯坦福课程的完整作业材料不公开，但核心 Labs 通常托管在 GitHub 上。
方法论参考：《学习变现》读书笔记 ｜ 每周复盘：周记
- 本文链接： https://pz-maker.github.io/posts/knowledge-map/
- 版权声明： 本站所有文章除特别声明外，均采用 CC BY-NC-SA 许可协议。