阅读路径与选书建议

蒲公英书系列目前包含四本：通识版、第 2 版（理论书）、案例与实践、大模型与智能体。四本书在主题上互有重叠，但定位、深度和叙述方式不同。这一页帮助你判断从哪一本开始、按什么顺序读、不同书之间如何搭配。

一句话定位

按读者画像挑路径

路径 A · 零基础 / 非专业读者

如果你没有学过高等数学，也没有写过代码，只想搞清楚”神经网络到底是什么、大模型为什么能聊天”——直接从通识版开始。读完 16 章你会拥有一张完整的版图：从神经网络的基本想法，到 Transformer、扩散模型、智能体、具身智能、科学智能、安全与挑战。

读完通识版后，如果某个主题让你想往下钻：

• 想看清模型背后的数学和算法 → 跳到第 2 版对应章节。
• 想动手训练一个小模型 → 进案例与实践。
• 对大模型与智能体特别感兴趣 → 进大模型与智能体。

路径 B · 计算机或人工智能专业本科生

主线读第 2 版，按章节顺序学习。建议边读边做：每完成第 2 版一章理论，就到案例与实践对应章节跑一遍代码。两本书的章节编号在前 9 章是对齐的。

• 第 1–3 章：机器学习基础。
• 第 4–9 章：核心模型（前馈、卷积、循环、Transformer、图神经网络）+ 优化。
• 第 10–12 章：无监督、迁移与元学习、强化学习。
• 第 13 章：大语言模型与智能体（概览级）。
• 第 14–16 章：概率图模型与生成模型（按兴趣选读）。

读完第 13 章如果想深入大模型，自然过渡到大模型与智能体。

路径 C · 工程师 / 已有机器学习基础

如果你已经能看懂深度学习公式，只是希望补足体系或快速上手：直接读案例与实践，把第 2 版当工具书查。具体某个主题没把握时再回到第 2 版对应章节。

如果工作直接跟大模型相关，把大模型与智能体的”共用基础”（1–3 章）和”大模型”（4–9 章）作为优先阅读，”智能体”（10–15 章）按需挑选。

路径 D · 研究生 / 进入大模型与智能体方向

推荐顺序：

1. 先用通识版或第 2 版第 1、4、8 章打牢神经网络与 Transformer 基础。
2. 主攻大模型与智能体全本，这是面向研究入门和系统构建的核心教材。
3. 需要补强经典基础（如优化、生成模型、图神经网络）时回到第 2 版。

路径 E · 高校教师 / 课程设计

• 本科通识课（16 周）：通识版为主教材，配合 可视化资源。
• 本科 / 研究生专业课（一学期）：第 2 版第 1–9 章 + 第 13 章，搭配案例与实践作为实验环节。
• 大模型与智能体专题课（一学期）：大模型与智能体全本，前置要求是 Transformer 基础（可从第 2 版第 8 章或大模型与智能体第 2–3 章补）。

四本书的主题分工

四本书共同覆盖了神经网络与深度学习的大版图，但落点不同。下面这张表给一个概览，可以快速判断某个主题应该去哪本书找：

主题	通识版	第 2 版	案例与实践	大模型与智能体
神经网络基础	概念	完整理论	代码实现	简要复习
卷积 / 循环网络	概念	完整理论	代码实现	—
Transformer	直观	推导	代码实现	完整章节
优化与正则化	直观	完整理论	代码实现	训练系统视角
大语言模型	概览	概览	入门示例	核心主题
预训练 / 后训练 / 对齐	概念	—	—	核心主题
智能体（工具、记忆、规划）	概念	—	—	核心主题
多模态	概念	—	—	完整章节
扩散模型	概念	完整理论	—	—
强化学习	概念	完整理论	—	用于对齐时出现
图神经网络	—	完整理论	代码实现	—
具身智能 / 科学智能	概念	—	—	完整章节
安全 / 治理	概念	—	—	完整章节

第 2 版与案例与实践是 理论 + 实战 的搭档；通识版与大模型与智能体则是 入门 + 前沿 的两端。中间的过渡靠你自己根据兴趣和背景灵活穿插。

学习建议

先有脉络，再钻细节。 不熟悉这个领域时，先快速过一遍通识版或第 2 版的目录、章首和章末小结，建立”哪一块知识属于哪里”的版图，再倒回去精读。

理论与代码交替推进。 神经网络与深度学习是工程性很强的学科，光看推导很难内化。建议每读完一章理论，就在案例与实践对应章节跑通一个最小版本的代码，再回过头看推导，会有完全不同的体感。

可视化辅助理解。 可视化资源页汇集了卷积、循环网络、注意力、扩散、强化学习等主题的交互演示。读到对应章节时打开看看，比纸面上想象更直观。

勘误与讨论。 任何疑问、错别字、推导细节，欢迎到对应书的仓库提 Issue，或到 nndl-discussion 参与社区讨论。