AI 学习路线 AI 学习路线 从 AI 概念到 AI 安全攻防 按顺序阅读 AI、机器学习流程、算法选择、特征工程、训练评估、神经网络、项目实现和 AI 安全攻防，并在本机记录完成进度。 已完成 0/15 继续：人工智能基础学习路线 1 概念地图 人工智能基础学习路线 先分清 AI、机器学习和深度学习，再进入具体实现。 阅读文章 标记完成 2 机器学习流程 机器学习完整流程 从数据、特征、训练、预测到评估，把机器学习项目拆成可执行步骤。 阅读文章 标记完成 3 算法选择 机器学习算法怎么选 按分类、回归、聚类、推荐和时间序列任务，先选合理基线模型。 阅读文章 标记完成 4 特征工程 特征工程入门实战 用 scikit-learn Pipeline 处理缺失值、类别变量、标准化和数据泄漏风险。 运行练习 标记完成 5 训练评估 模型训练与评估入门 理解损失函数、过拟合、训练测试拆分、准确率、召回率和 F1。 阅读文章 标记完成 6 模型诊断 过拟合和欠拟合怎么解决 用训练分数、验证分数、模型复杂度和交叉验证诊断模型问题。 运行练习 标记完成 7 神经网络 神经网络基础 从感知机继续看到激活函数、前向传播、反向传播和训练循环。 阅读文章 标记完成 8 Transformer Transformer 自注意力机制 先读懂 Q/K/V、缩放点积注意力、多头注意力和位置编码，再进入 LLM 内部机制。 阅读文章 标记完成 9 LLM 内部机制 LLM 可视化教学台 在浏览器里观察分词、Embedding、Attention、Next Token 和 KV Cache，不调用真实模型。 打开教学台 标记完成 10 Python 实战 Python 人工智能小实战 用 scikit-learn 跑通一个小型分类任务，并阅读评估输出。 运行练习 标记完成 11 安全建模 AI 安全威胁建模 用 NIST、MITRE ATLAS 和 OWASP 建立可审计的 AI 攻防地图。 阅读文章 标记完成 12 鲁棒评估 对抗样本与鲁棒评估 运行 FGSM-style digits 实验，比较 clean accuracy 和 perturbed accuracy。 运行实验 标记完成 13 数据完整性 数据投毒与后门防御 测量污染率、触发器和 attack success rate。 运行实验 标记完成 14 模型隐私 模型隐私与模型抽取防护 测量 membership signal 和 surrogate fidelity。 运行实验 标记完成 15 LLM 安全 LLM/RAG/Agent 安全 把指令和数据分层，并对工具权限做服务器端防护。 运行实验 标记完成 清空本机进度
