先说清楚：这门课不适合谁
如果你急着三个月转行、急着做出一个能跑在手机上的模型、急着在简历上写「精通深度学习」，那这门课会让你难受。它的节奏是「把一个东西想明白」而不是「把一堆东西跑通」，第一册尤其慢，慢到你可能觉得进度条不动。
但如果你属于另一种情况——碎片时间、下班后学一点、看别人讲反向传播时只能假装点头、想亲手写一遍而不仅仅是调用——那它值得放进你的清单。
这门课到底在做什么
主题很窄：从零搭神经网络。不是教你用某个框架的三行代码把模型跑起来，而是让你搞清楚一层是怎么算的、损失是怎么来的、梯度是怎么回传的、参数是怎么被更新的。手写这些过程，然后才有资格说「我理解了」。框架在这门课里不是主角，它更像是你内功小成之后自然拿得动的兵器。
所以它会涉及一点数学：求导、链式法则、矩阵乘法、梯度下降。不用怕，但也不要幻想可以完全绕开。课程的处理方式是够用就好，不追求严格证明，重点是把每一步算式的「意思」对上代码里的那一行。
建议的观看顺序
- 先看起步的几讲。弄清楚网络的最小结构——输入、权重、偏置、激活、输出。这几讲要慢，宁可看两遍，也别跳过去。
- 再看前向传播与损失。这一步是「算预测值、算错得多离谱」，是后面所有内容的参照点。
- 然后才是反向传播和梯度更新。这是全课最硬的一段，也是很多人第一次卡住的地方。卡住是正常的，允许自己在这里停留两三天。
- 最后跟着动手把整条链子串一遍。一个最小的网络，从随机初始化到能拟合一个简单数据。
第一册和中后段那些讲训练技巧、调参、优化器的内容，可以先放着。那些属于「搭完第一个网络之后再回来看会更懂」的部分。第一册的目标只有一个：你能独立写出一个能跑通、并且你知道每一行为什么这么写的小网络。
资料怎么配合用
课程的主题和资料包是配合的，但别一开始就扎进资料堆里。顺序反了会很痛苦。
- 先跟着视频或讲义理解概念，不理解的地方记下来，别当场死磕。
- 到了动手环节再打开资料包，照着思路自己敲，不要复制粘贴。复制粘贴的学习效果接近于零。
- 敲错了、跑不出结果，是这门课最有价值的部分。回去对照每一行代码和算式的对应关系，往往比重看一遍视频有用。
- 资料里的拓展阅读放最后看。看不懂不影响第一册的主线。
如果你的数学基础比较薄弱，可以在卡在反向传播时单独补一点求导。不用系统学完高数，够用就行。这也是这门课想传达的态度：需要什么补什么，而不是攒够了才敢开始。
关于「学不会」这件事
这门课有一部分内容，第一遍确实学不会。反向传播、链式求导、矩阵求导的形状对齐，这些几乎每个人都要来回几次。区别只在于有人停下来绕过去，有人硬着头皮再过一遍。
如果某一讲看到第三遍还是懵，允许自己先往下走，把能跑通的代码跑通。很多困惑会在你动手完成一个小网络之后自己消失。这不是偷懒，这是这门课希望你有的节奏——慢一点，但每一步都踩实。
深度学习是现代科技皇冠上的明珠，当你决定踏上这条道路时，往往会因为选择哪个框架而感到困惑。选择了一个热门的框架后，你又可能会因为难度而感到沮丧，就像武侠小说中的初学者，没有深厚的内功，就无法驾驭顶尖的兵器。其实，这些框架就像是内功秘籍，当你内功小成时，这些工具便能轻松驾驭。神经网络是深度学习的基础，而我们的课程《自己动手搭建神经网络》将帮助新手从零开始，亲手搭建神经网络，掌握深度学习的初级核心能力。
课程推荐
《深度学习小白入门自己动手搭建神经网络(AI第一册)》深度学习是现代科技皇冠上的明珠，当你决定踏上这条道路时，往往会因为选择哪个框架而感到困惑。选择了一个热门的框架后，你又可能会因为难度而感到沮丧，就像武侠小说中的初学者，没有深厚的内功，就无法驾驭顶尖的兵器。其实，这些框架就像是内功秘籍，当你内功小成时，这些工具便能轻松驾驭。神经网络是深度学习的基础，而我们的课程《自己动手搭建神经网络》将帮助新手从零开始，亲手搭建神经网络，掌握深度学习的初级核心能力。【技能收获】学完可掌握：Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（35 节）
* 1-1 自己动手搭建神经网络课程宣传.mp4
* 1-2 课程介绍和开发环境.mp4
* 1-3 从人脑识别猫开始.mp4
* 1-4 神经元.mp4
* 1-5 神经网络的术语.mp4
* 1-6 与门电路的代码.mp4
* 1-7 权重参数和偏置项.mp4
* 1-8 数组输入与门.mp4
* 1-9 概念小结.mp4
* 2-1 与非门.mp4
* 2-2 或门.mp4
* 2-3 异或门分析.mp4
* 2-4 异或门代码.mp4
* 2-5 电路模拟神经网络.mp4
* 3-1 激活函数登场.mp4
* 3-2 制作函数图像.mp4
* 3-3 sigmoid.mp4
* 3-4 relu.mp4
* 4-1 一维数组.mp4
* 4-2 矩阵.mp4
* 4-3 广播和内积运算.mp4
* 5-1 神经网络的符号.mp4
* 5-2 神经网络输入层到第1层.mp4
* 5-3 第1层神经网络的激活.mp4
* 5-4 神经网络第2层.mp4
* 5-5 神经网络第3层.mp4
* 5-6 搭建神经网络代码小结.mp4
* 5-7 softmax详解.mp4
* 6-1 准备手写数字图像.mp4
* 6-2 把像素作为神经网络的输入信号.mp4
* 6-3 使用训练好的模型.mp4
* 6-4 调整代码.mp4
* 6-5 识别数字图片.mp4
* 7-1 制作界面.mp4
* 7-2 按钮事件.mp4
