用 8 大学科透镜，
拆开深度学习这头大象
深度学习不难懂，难的是没人把它拆给你看。本站把「系统思维、第一性原理、结构化思维、批判性思维、决策科学、复杂科学、工程分解、多元思维模型」八种拆解问题的学科，逐一应用到深度学习上——每一章配大量手绘 SVG 图解，由浅入深，文字只讲要点。
总览：八大学科 → 八个章节
同一门深度学习，八种拆法。每一种学科给出一个独特的切入点，拼起来就是完整的地图。
由浅入深：四阶段学习路径
从"看懂一张图"到"能落地一个项目"，全站只分四步，每步两章，难度螺旋上升。
八章导航
每章 = 1 种拆解学科 + 3~5 张手绘 SVG 图解 + 1 个视频 + 若干要点。点击进入。
先画一张深度学习地图
用"不重不漏"的切分法，把深度学习拆成数据、模型、损失、优化、评估、工程六根树枝，先建立全局坐标系。
神经元到底在算什么
剥掉所有黑话：神经网络 = 一堆"加权求和 + 非线性拐弯"的嵌套。看懂一个神经元，就看懂了 90% 的模型。
训练 = 一个巨大的反馈回路
数据→预测→损失→梯度→更新，一圈一圈转。用存量/流量/杠杆点看训练，比背公式快十倍。
给模型做体检
模型不会告诉你它哪里错了，得你自己问。偏差-方差、过拟合、数据泄露——一套"医疗手册"式诊断流程。
超参数与实验决策
学习率、批大小、网络宽度……深度学习就是一连串在不确定性下的选择。用决策树、预验和搜索策略做决定。
Transformer 与涌现
为什么大模型"突然"会了？注意力机制、缩放定律、涌现阶梯——用复杂科学的语言解释大模型时代。
从实验到产品
模型只是产品的一小块。数据管线、训练基建、推理服务、监控闭环——把模糊需求拆成可执行的模块。
综合工具箱：收束成法
八种学科组合拳 + 一个真实案例（大模型为什么胡说）用五种模型交叉解释 + 12 周自学计划，毕业典礼。
🎬 配套视频（已嵌在各章内）
每章正文里都嵌有一段 B 站公开课（李宏毅 / 吴恩达 / 3Blue1Brown / Transformer 动画），图文看累了就换视频换口味。这里放三支全站最值得先看的。
这份教材是怎么来的
方法源头：把复杂问题拆清楚的学科地图
本站的骨架，来自桌面上那份《能把复杂问题拆清楚的学科地图.md》。它指出：没有单一学科能拆清复杂问题，要的是八种互补范式各管一段——有的管拆结构、有的管溯本质、有的管看动态、有的管防错觉。我们把同一套组合拳，原样应用到了"深度学习"这个现代最典型的复杂问题上。