阅读路径
先选对入口，
再决定深度
蒲公英书系列覆盖通识入门、系统理论、动手实践和大模型与智能体专题。四本书不是线性先后关系，而是面向不同读者的四个入口：先看自己要解决什么问题，再选择主线和搭配。
4本书
5类读者路径
2组核心搭配
快速选择
你现在最需要哪一种读法？
读者画像
按背景选择主线
A
零基础或非专业读者
先获得概念地图，不急着进入公式和代码。
- 先读
- 通识版
- 再选
- 想看数学进第二版；想动手进实践篇；想了解前沿进大模型与智能体。
- 目标
- 读完后能说清神经网络、Transformer、扩散模型、智能体和 AI 风险的大致位置。
B
计算机或人工智能专业学生
以第二版建立体系，用实践篇把抽象模型落到代码。
C
工程师或已有机器学习基础
从能运行、能改动、能复现的材料切入。
- 先做
- 实践篇的 PyTorch notebook 和测试。
- 再查
- 遇到推导、优化或模型机制问题，再回第二版对应章节。
- 侧重
- 把线性模型、前馈网络、卷积网络、循环网络、注意力、图神经网络和大模型示例跑通。
D
研究生或大模型方向入门
先补 Transformer 和训练基础，再主攻大模型与智能体。
- 补基础
- 第二版第 1、4、7、8 章，或通识版相关章节。
- 主攻
- 大模型与智能体全本。
- 回查
- 需要优化、生成模型、图神经网络等经典基础时，回到第二版。
E
高校教师或课程设计者
按课程目标组合教材、实验和可视化资源。
- 通识课
- 通识版为主，配合可视化资源。
- 专业课
- 第二版第 1–9 章 + 第 13 章，实践篇作为实验环节。
- 专题课
- 大模型与智能体全本，前置补第二版第 8 章或专题书第 2–3 章。
四本书定位
同一版图里的不同入口
主题索引
一个主题该去哪本书找？
| 主题 | 通识版 | 第二版 | 实践篇 | 大模型与智能体 |
|---|---|---|---|---|
| 神经网络基础 | 直观概念 | 完整理论 | 代码实现 | 简要复习 |
| 前馈、卷积、循环网络 | 概念 | 完整理论 | 代码实现 | 按需补充 |
| Transformer | 直观解释 | 推导与机制 | 注意力实现 | 完整章节 |
| 优化与正则化 | 直观理解 | 完整理论 | 训练实验 | 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 | 背景 | 少量示例 | 核心主题 |
| 工具、记忆、规划、智能体 | 概念 | 概览 | 入门示例 | 核心主题 |
| 生成模型、扩散模型 | 概念 | 完整理论 | 按需扩展 | 相关背景 |
| 图神经网络 | 少量背景 | 完整理论 | 代码实现 | 按需补充 |
| 安全、治理、未来智能系统 | 概念 | 少量背景 | 按需扩展 | 完整章节 |
组合读法
最常用的三种搭配
学习建议
把阅读变成可持续的学习节奏
先有脉络
先扫目录、章首和章末小结，知道每块知识放在哪里，再回头精读。
理论和代码交替
推导看不懂时，先跑一个最小实验；代码跑通后，再回来看公式更容易。
按问题回查
不要把四本书当作必须顺序读完的清单。遇到问题时，按主题回到对应书。
及时反馈
错别字、推导疑问和代码问题可到对应仓库提交 Issue，或到 nndl-discussion 讨论。