阶段 01
Python 与数学基础
掌握科学计算工具链，补齐线性代数、概率论与微积分中真正会用到的部分。
推荐自测 完成一份数据清洗与可视化小作业
DRE@MTECH · 本科生部
入组建议学习路线和参考资料
六个本科生小组的推荐成长路径。每个阶段附带阶段说明与一句推荐自测，点击节点查看概念、最少掌握要点与参考资料
- 分支推荐节点
- 分支可选节点
- 路线分支
AI & Control
从数学基础到 AI 工程与科研
智能与控制组采用“课题研究 + 企业项目”双轮驱动，方向覆盖计算机视觉、自然语言处理、生成式模型等。路线先补齐 Python 与数学，再进入机器学习和深度学习，最终落到论文复现或真实项目。
学习进度
0 / 14 个必学节点
阶段 02
机器学习基础
理解经典模型的思想、适用场景与评估方式，建立严谨的实验习惯。
推荐自测 在同一数据集上完成模型对比与评估
阶段 03
深度学习核心
掌握神经网络训练流程与主流网络结构，能独立完成一次深度学习实验。
推荐自测 独立训练并评估一个深度学习模型
阶段 04 分支
分叉：选择研究方向
三条方向任选其一，选定后进度只统计当前方向。
适合对图像、检测、分割和多模态应用感兴趣的同学。
计算机视觉
推荐自测 复现一篇 CV 论文的核心实验
阶段 05
科研与工程实战
在导师或学长带领下参与课题，完成从实验到交付的完整闭环。
推荐自测 完成一次组会课题汇报
终点 完成一个可复现的 AI 项目或论文复现，具备数据处理、模型训练与结果分析能力