學習中心

從基礎理論到最新技術，自由探索、按自己的步調學習

🎯 從零開始的 8 週路徑

📚 瀏覽全部學習資源

研究筆記、論文導讀與延伸資源總覽

統計學習 43 堂課，從迴歸到深度學習的完整路線

🤖 AI Agents 入門 15 課

從定義到 Computer Use Agent，微軟課程繁體中文版

📥 下載免費練習包

Python Notebook、資料集與課後練習，開源於 GitHub

學習指引：這裡的內容適合誰、怎麼走

👩‍💻 想轉進資料／AI 領域的人

有基礎 Python，沒有統計背景

建議順序: 統計學習第 2–6 章 → AI Agents 1–3 課
先修: 高中數學即可；Lab 會邊做邊教
投入: 每週 3 小時 × 6 週

🛠️ 已在寫程式、想懂 Agent 的人

不需要統計，可直接開始

建議順序: AI Agents 1–9 課 → 延伸閱讀的記憶與 RAG 系列
先修: 會呼叫 API、懂基本 HTTP
投入: 每課 20–40 分鐘，兩週可讀完主線

📊 工作上要用數據說話的人

行銷、產品、營運分析

建議順序: 第 3 章（迴歸）→ 第 5 章（驗證）→ 8.1（決策樹）
先修: 無；觀念頁不寫程式也讀得懂
投入: 挑 8–10 課，每課 30 分鐘

第 1 步：建立統計直覺

第 1–2 週 · 每次 30 分鐘 · 先修：無

從「統計學習是什麼」到模型如何評估；先理解問題與誤差，再開始寫程式。

第 2 步：練習選模型

第 3–5 週 · 觀念搭配 Lab · 先修：第 1 步

把迴歸、分類、驗證與正則化串起來；每一章至少完成一個 Lab。

第 3 步：進入非線性與深度學習

第 6–8 週 · 依目標選讀 · 先修：第 2 步

樹狀方法、SVM、神經網路。完成後再到研究資源延伸你的專題。

第 4 步（選修）：AI Agents 實戰線

15 課 · 每課 20–40 分鐘 · 先修：會寫程式

設計模式、工具使用、多 Agent 協作、記憶管理到 Computer Use Agent。

建議節奏：每週選 3 堂課；先讀核心觀念、再做 Lab，並用每頁的「本頁已完成」記錄進度。快捷鍵：/ 搜尋、←/→ 切換前後課、? 說明、Home 回首頁、Esc 關閉面板。

系統課程

📊 統計學習入門

43 堂課 · ISLP 教科書

從迴歸分析到深度學習，搭配 Python 實作。基於 Stanford 經典教材。

統計Python機器學習

🤖 AI Agents 入門

15 堂課 · 微軟課程繁中版

Agent 定義、設計模式、工具使用、多 Agent 協作、記憶、MCP/A2A 協定到 CUA。

AI AgentMCP實戰

📖 延伸閱讀

71 篇 · 論文筆記與深度分析

Agent 記憶、RAG、自演化技能、工具最佳化——2026 前沿研究的中文導讀。

論文筆記記憶RAG

🐍 Python 基礎

即將推出

📖 精選資源

Amazon MLU 導讀：免費 ML 課程全攻略

亞馬遜內部培訓搬上網：加速課＋決策樹進階班，附自學路徑建議

MLU Responsible AI：偏差緩解與公平性

30 支影片走完 ML 全生命週期的偏差測量與緩解，對齊金融業 AI 指引

GBrain：AI Agent 長期記憶與知識圖譜

外部長期記憶、混合搜尋、知識圖譜與帶引用的綜合回答

多 Agent 系統故障復原實戰

五種失敗模式、三層復原架構、複合可靠性陷阱一次搞懂

Compiling Agentic Workflows into LLM Weights

將 agent 工作流程編譯進小模型權重，成本降 100 倍

Prompt Engineering Guide

DAIR.AI 維護的提示工程知識庫，涵蓋 11 種技術、80+ 工具

→ 瀏覽全部 71 篇延伸閱讀

🔖 依主題瀏覽