2026 年一路工作室 - 机器学习方向招新

01. 写在最前面：这不是考试，是一次 AI 探险

欢迎来到一路工作室机器学习 (Machine Learning) 方向的招新挑战。

在过去的两年里，我们见证了人工智能最疯狂的爆发——从 ChatGPT 的横空出世，到 Sora 的视觉震撼，再到 DeepSeek 等国产模型的崛起。身处这个时代，你或许会感到兴奋，只要写几句 Prompt，就能生成代码；只要调用一个 API，就能构建应用。

你可能也听过很多吓人的词：梯度、过拟合、Transformer、Diffusion、YOLO。
但这次招新不要求你成为算法大佬，也不要求你手推公式。我们只希望你在这次的招新中完成一次完整的 AI 学习闭环：

跑通 → 观察 → 解释 → 展示

你不需要什么都会。
你只需要愿意动手、愿意记录、愿意在报错里多坚持十分钟。

我们允许你使用 AI 来帮助自己理解程序、调整程序，但一定不是完全依赖 AI ，变成一个只会调用大模型 API 、只会下载别人代码跑通一个 Demo 的 AI 使用者。

我们希望你理解：

• 当 Loss 下降时，这背后是高维空间中怎样的梯度流动？
• 当模型“过拟合”时，数学上发生了什么，而不仅仅是知道要加个 Dropout。
• 为什么 Transformer 能统治 NLP？ 为什么 CNN 在图像边缘检测上如此有效？

这份招新题，就是你推开那扇“黑盒”大门的第一步。

02. 关于数学：不要恐惧，它是你的第六感

很多大一的同学看到“机器学习”，第一反应是恐惧微积分和线性代数。

“我微积分刚及格，线代听不懂，我是不是不适合搞 AI？”

答案是否定的。在深度学习的入门阶段，我们不需要你像数学系那样去推导复杂的证明题。我们需要的是“数学直觉”。

• 微积分不是为了让你算怪异函数的积分，而是让你理解“梯度Gradient”——它是模型下山的方向，是指引神经网络学习的灯塔。
• 线性代数不是为了让你背诵行列式的性质，而是让你理解“矩阵运算”——它是并行计算的基础，是 GPU 燃烧算力的燃料。
• 概率论不是为了让你算红球白球，而是让你理解“分布”——世界是不确定的，而我们试图用模型去捕捉这种不确定性。

03. 关于编程：从环境配置开始的修行

有的小伙伴可能会问：完全没有 Python 基础怎么办？丝毫没有影响！哪怕你现在连 print("Hello World") 都不会写，只要你肯学，3-7 天足以上手。

但是，请做好心理准备。深度学习的门槛，往往是从配置环境开始的。

你会遇到：

• Python 版本和不同包之间的冲突；
• CUDA 和 PyTorch 版本的不匹配；
• 莫名其妙的红字报错，甚至把系统搞崩。

请记住：配置环境本身就是一个筛选过程。这是一个十分痛苦的过程，需要大家有足够的耐心和坚持下来的毅力。在这个过程中，善用搜索引擎Google，善用CSDN，善用 GPT/Gemini 来帮你分析报错，是每一位工程师的必修课。

如果你的电脑没有高级的独立显卡，不要紧。我们建议你先在本地安装 Anaconda 和 CPU 版本的 PyTorch 跑通代码。如果需要算力，可以去学习使用 Colab、Kaggle、ModelScope 或是 AutoDL 等云端平台。甚至如果想硬核一点，试试在 Windows 上装一个 WSL（Windows Subsystem for Linux），提前感受 Linux 的开发环境。

04. 学习路线建议：站在巨人的肩膀上

关于课程，互联网上的资源浩如烟海，但也良莠不齐。大家盲目去观看容易白花时间，还容易看完什么都听不懂，徒增焦虑（别问我是如何知道的）。

为此，我们给出以下“保姆级”推荐：

Python 基础

• 想学得详细扎实？推荐：韩顺平零基础快速学 Python。 https://www.bilibili.com/video/BV1zN4y1v7Vv/?spm_id_from=333.337.search-card.all.click&vd_source=11ab46773e0e99c84becbeff5c332292
• 想快速查阅语法？推荐：菜鸟教程。https://www.runoob.com/python/python-tutorial.html
• 标准：过完基本语法 + 面向对象编程（Class、Object）即可。

深度学习入门

• 环境配置与 PyTorch 上手：推荐B站小土堆的 PyTorch 教程。虽然视频有些年头、版本有差异，但他绝对是讲得最通俗易懂的入门导师。https://www.bilibili.com/video/BV1S5411X7FY/?spm_id_from=333.337.search-card.all.click&vd_source=11ab46773e0e99c84becbeff5c332292

理论与实践进阶

• 吴恩达：AI 届的孔子。
• 李宏毅：也就是大家熟知的“宝可梦训练师”，课程幽默风趣，适合理解各种奇奇怪怪的模型原理。
• 李沐：《动手学深度学习》，这是进阶必看。如果你想理解得透彻，请务必看李沐老师读论文和 QA 部分，真的能学到很多。https://space.bilibili.com/1567748478?spm_id_from=333.337.search-card.all.click
• 炮哥带你学：适合想多跑几个项目，锻炼实操能力的同学。跑出项目结果的成就感还是很棒的！ https://www.bilibili.com/video/BV1e34y1M7wR/?spm_id_from=333.1387.homepage.video_card.click&vd_source=11ab46773e0e99c84becbeff5c332292
• 同时，这份学习路线也供想长期学习的同学参考 https://www.bilibili.com/video/BV1xhovYZEtU/?spm_id_from=333.1387.favlist.content.click&vd_source=11ab46773e0e99c84becbeff5c332292

05. 最后的唠叨

这份招新题分为几个部分，从环境配置到理论思考，再到项目实战。我们并不要求你完成每一道题，也不要求你做得完美无缺。

我们更看重的是：

• 你的学习过程：哪怕只做了一题，但你详细记录了从不懂到懂的过程。
• 你的思考深度：面对思考题，你是直接复制 GPT 的答案，还是真的自己去思索了

重要重要重要！！！

我们对题目数量的要求是：Part 0 + Part 1（12 选 6）+ Part 2 + Part 3 + Part 4（4 选 1），当然我们十分欢迎你多多探索不同的 Part 4 题目来了解不同的方向 （对于非新生，我们对题目数量的要求是：Part 0 + Part 1（12 选 6）+ Part 2 + Part 3 + Part 4.B + Part 4（其余 3 选 1））

题目提交

学号 + 姓名 + ml-x（Part 4 选择了哪个方向）提交邮箱 : 1315644344@qq.com

---

总览

🟩Part 0  出发包
🟩Part 1  黑盒拆解实验卡
🟩Part 2  决策边界画家
🟩Part 3  计算机视觉
🟩Part 4  方向探险