这部分是我对机器学习、语言模型、推荐系统与模型系统化落地的笔记整理。现在把入口改成了“先定位，再深入”的结构: 先知道每块在解决什么问题，再顺着阅读路径往下钻。
AI Knowledge Map
如果你是第一次进入这个 section，建议先看 Foundation 建立公共语言， 再根据兴趣进入 Generative Models 或 Recommender System。想补工程手感，可以穿插看 PyTorch 和 Search。
cs 目录整理为两条主线：
core：偏底层基础，关注操作系统、计算机网络这类长期有效的基础知识。design：偏工程设计，关注 OOD、设计模式、系统设计与常见场景题。./core/./design/适合想先补底层认知，再看工程设计取舍的读者。
这部分不只是“题型仓库”，更像一个算法学习和面试准备的知识地图。现在入口改成了先分清主线，再决定从哪条路径开始学: 数据结构负责“存什么”，搜索负责“怎么枚举”，优化负责“怎么更快”，课程和 framework 则负责“怎么形成自己的解题方法”。
Algorithm Knowledge Map
如果你是第一次来这块，建议先看 Data Structure、 Search 和 Optimization 这三条主线。 想系统准备面试，可以再配合 Course 和 Framework 一起读。
下面是星球提供的一些专栏（目前放在语雀），如果是备战面试的话，《Java 面试指北》和《后端面试高频系统设计&场景题》是必看的。尤其是《Java 面试指北》的面试准备篇，一定要尽快抽时间看看，基本上你准备面试可能遇到的问题这里都有提到靠谱的解决办法。
《Java 面试指北》(配合 JavaGuide 使用，会根据每一年的面试情况对内容进行更新完善，故不提供 PDF 版本)：https://www.yuque.com/books/share/04ac99ea-7726-4adb-8e57-bf21e2cc7183（密码：cnk4） 。
JavaGuide 地址：https://javaguide.cn/ ，《Java 面试指北》的学习建议在这里：https://t.zsxq.com/QNFMFAU 。如果不知道《Java 面试指北》和开源版的关系，可以看看这份建议。
《后端面试高频系统设计&场景题》：https://www.yuque.com/snailclimb/tangw3 密码：bonl
这部分内容本身是属于《Java 面试指北》的，后面由于内容篇幅较多，因此被单独提了出来。
《Java 必读源码系列》（目前已经整理了 Dubbo 2.6.x 、Netty 4.x、SpringBoot2.1 的源码）：https://www.yuque.com/books/share/7f846c65-f32e-4181-bf4e-f2e80d09c98a?#（密码：ihvn）。
欢迎在评论区说出你们想要看的框架/中间件的源码！
《从零开始写一个 RPC 框架》：https://www.yuque.com/books/share/b7a2512c-6f7a-4afe-9d7e-5936b4c4cab0?#（密码：sztd）
RPC 框架地址： https://gitee.com/SnailClimb/guide-rpc-framework 。
《分布式、高并发、Devops 面试扫盲》: 已经并入《Java 面试指北》中。
《Kafka 常见面试题/知识点总结》：https://www.yuque.com/books/share/dd07d89b-9437-4f5c-b4f8-b294474aa992?#（密码：nqdq）
《程序员副业赚钱之路》 https://www.yuque.com/books/share/1bd77211-f7e0-41fd-91bb-094769c978f9?#（密码：ew4f）
《Guide 的读书笔记与文章精选集》（经典书籍精读笔记分享）https://www.yuque.com/books/share/f63faff5-53f9-4163-a059-7be93fc538b0?#（密码：um0g）
提示：密码会定期修改，内容会不断完善。你可以对上面的专栏进行收藏，方便下次找到。
一直想在星球说一下这个问题，刚好你问到了。我就拿八股文必看资料来说吧！
我的 JavaGuide 开源版是必须要看的，如果说你比较赶时间，想着突击面试的话，那就针对性地只看面试题，如果你时间比较多的话，我还是建议你尽量把上面的文章都看一遍。建议在线版阅读，地址：Java 面试指南 | JavaGuide(Java 面试 学习指南) 。另外，这个更新比较频繁，因此，没有提供 PDF 版本。
《Java 面试指北》属于是 JavaGuide 开源版的完善，两者内容互补，无重复内容，完全可以结合一起看。由于这个更新也非常频繁，同时也是为了避免外泄，所以也没有提供 PDF 版本。
《Java 面试指北》的面试准备篇一定一定一定要认真看！会让你准备面试的效率高很多，事半功倍。像如何准备面试、如何编写一份不错的程序员简历、具体哪些知识点是重点、源码面试怎么问等等常见问题都有详细且靠谱的解答。由于《Java 面试指北》会根据每一年的面试情况对内容进行更新完善，故不提供 PDF 版本，目前只支持在线阅读。
看我的这两个资料基本就差不多，知识点都涵盖到了。但是，我不可能每个知识点都研究的非常深入（正在往这个方向努力），针对你面试的公司来说（比如你要面试阿里巴巴的话，就提前找一些阿里巴巴的面经针对性复习），部分知识点还需要你自己深入研究学习。
如果你还是想看 PDF 版资料的话，置顶主题里就有哈：https://t.zsxq.com/iiiAqf6 。虽然这些 PDF 资料的质量没有我上面提到的在线版质量高，但是，绝对算的上是市面上流传的最优质的的 PDF 面试资料了。
英语标准化考试，主要是语言考试和升学考试两种：
English Proficiency Test
GRE
现在 GRE、TOEFL 送分都是电子送分，很快就到，但是小蜜匹配分数需要大约一周
cmu 虽然多个学院 gre 的 code 不同，但是也只需要寄送一份，INI 的秘书的回复
“If you’re applying to two programs at CMU you only need to use the institution code 2074 and the test results will be reported to the university and will be posted to the central information system which can be accessed by all departments. So you only need to report the test results once.“
这部分是整个 AI section 的地基。目标不是把所有细节一次讲完，而是先把常见概念放到一张一致的知识地图里: 数学基础是什么，模型怎么学，语言模型为什么成为主线，RL 和 PEFT 又分别解决什么问题。
线性代数、概率与微积分，负责建立模型表达与优化的公共语言。
Representation从神经元、反向传播到 CNN / RNN / Transformer，理解表征学习的核心。
Sequence modeling从 n-gram 到神经语言模型，再过渡到 Transformer 时代。
Decision making奖励、策略、价值函数，以及为什么 RL 在 LLM 对齐里重新变重要。
Efficient adaptationLoRA 一类方法如何让大模型适配下游任务，同时控制训练成本。
Reading放一些论文阅读与方法整理，适合和主题笔记交叉阅读。
这里主要整理大模型时代最常见的一条主线: 预训练模型学到通用能力，经过微调和对齐变得可用，再通过推理系统、多模态桥接和应用层封装进入真实产品。
语言模型、decoder-only 思路，以及从 token prediction 到能力涌现的主线。
AdaptationSFT、FFT、PEFT，关注下游任务适配与训练成本。
Preference从 RLHF 到 RLVR，回答“模型为什么更像人类想要的样子”。
ServingPrefill / Decode、KV Cache、系统瓶颈与线上吞吐优化。
Beyond text视觉编码器、VLM、扩散和音频，把文本模型扩展到更多模态。
Product layerRAG、Agent、工具调用与 prompt 设计，关注能力如何落地。
这里放的是偏实践的一层: 用代码把上面那些模型概念跑起来，理解 tensor、计算图、训练 workflow 和实验组织方式。
Foundation 负责讲概念和结构。PyTorch 负责把这些概念翻译成可以调试、可以实验、可以复现的代码。nn.Sequential(
nn.Linear(in_features = 2)
)Computational Graph 计算图
描述运算的有向无环图
节点 Node
数据：向量、矩阵、张量
边 Edge
运算：加减乘除卷积等
根据计算图的搭建方式，可以划分为：
Daynamic Computational Graphs 动态图：运算与搭建同时进行（pytorch）
灵活、易调节
Static Computational Graphs 静态图：先搭建图，后运算（tensorflow）
高效、不灵活