这个GitHub仓库是一座金矿——如果你想深入理解AI/ML，而不仅仅是会用它们。数学、计算机科学与人工智能大全。免费。Henry在AI/ML行业工作多年，手写笔记，直觉优先，不加废话。朋友们用这些笔记准备DeepMind、OpenAI、Nvidia的面试，全都拿到了offer。现在它公开了。20个章节，从向量讲到前沿AI。直觉优先、结合真实场景、不故弄玄虚。不是为了应付考试而写，而是为了真正理解那些东西。涵盖内容：→ 数学基础——向量、矩阵、微积分、统计、概率→ 经典机器学习到分布式训练和强化学习→ 计算语言学——Transformer、注意力机制、MoE、SSM、LLM架构→ 计算机视觉——扩散模型、流匹配、ViT、SLAM、VR/AR→ 音频与语音——ASR、TTS、WaveNet、Conformer、说话人分离、源分离→ 多模态学习——CLIP、VLM、图像/视频标记化、世界模型→ 自主系统——VLA、自动驾驶、太空机器人→ SIMD与GPU编程——CUDA、Triton、ARM NEON、AVX、TPU、WebGPU→ AI推理——量化、推测解码、边缘推理、成本优化→ ML系统设计——特征存储、A/B测试、推荐、搜索、广告、反欺诈→ 图神经网络——几何深度学习、3D等变网络只需初等数学和基础Python即可开始。内含MCP服务器——Claude Code、Cursor、VS Code可将其用作知识库。GitHub仓库地址：https://github.com/HenryNdubuaku/maths-cs-ai-compendium

HenryNdubuaku/maths-cs-ai-compendium

来源：https://github.com/HenryNdubuaku/maths-cs-ai-compendium

数学、计算机科学与人工智能大全

在线阅读：henryndubuaku.github.io/maths-cs-ai-compendium (https://henryndubuaku.github.io/maths-cs-ai-compendium/)

概述

大多数教科书把好想法埋在密集的符号里，跳过直觉，假设你已经知道一半内容，并且在像AI这样快速发展的领域里很快就会过时。这是一本开放的、非常规的教科书，从头开始覆盖数学、计算和人工智能。为那些想要深入理解东西、而不仅仅是应付考试/面试的好奇从业者而写。

背景

在过去几年从事AI/ML工作期间，我写了大量笔记，优先直觉、结合真实场景、不加废话地解释数学、计算和AI概念。2025年，几个朋友用这些笔记准备DeepMind、OpenAI、Nvidia等公司的面试。他们都拿到了offer，现在在岗位上表现出色。同时，我去年进了Y Combinator。所以我现在把这本笔记分享给大家。

MCP服务器

本仓库包含一个MCP服务器，可以让任何AI助手（Claude Code、Cursor、VS Code等）将本书作为知识库使用。它需要本地克隆仓库。附带用于教育目的的工具和示例实现。

目录大纲

前言

新生婴儿的大脑是一个刚初始化的神经网络，从真实世界的数据和经验中训练直至成年……直至永远。对法语掌握得特别扎实、口音完美，意味着接触到了优秀的法语和完美的口音。同样，出色的AI研究者和工程师具备优秀的问题解决能力，意味着他们吸收了高质量的知识并经历了丰富的经验。Kvashchev的实验是一项塞尔维亚的长期研究，表明为期三年的创造性问题解决集中训练可以显著提高智力，特别是流体智力，增加了10-15个IQ点。确实存在天生高智商的情况，就像优质的权重初始化带来更好的训练一样，这已由先天与后天的实验结果所证实。然而，高智商的人真正的优势只是更快地学习/识别模式的能力。但重复使用一个模式，任何概念都绝对可以学会。查尔斯·达尔文被他的老师和父亲认为是一个非常普通，甚至低于平均水平的学生。他形容自己并不机智，感觉像一个“慢处理器”，需要时间吸收数据。在我3到10岁期间，学业表现很好，自然掌握概念，从不记笔记或复习。11到13岁之间我有点自大，掉到了80人班级的后半部分。14到15岁期间我开始像一个普通学生一样读书，在中学最后一个学期考了第一名。早期学校课程适合天生智商，但现实世界的才能是由高质量的知识吸收和执行强度驱动的。事实上，大多数学业表现好的学生只是更用功，但学术体系是为快速学习者设计的。这本大全为世界上的达尔文们提供了全面且联系紧密的知识流，促进更好的学习。你只需要初等数学和基础Python编程，其他一切都会学会，只要阅读并信任这个过程！

如何更有效地学习

大学第一学期，我同时修了17门课，成绩因此不理想，所以我用了一个技巧：
阶段一：课后累积阅读
课后阅读每份材料，在睡前。下一次课前，从头复习直到当前内容结束，然后用额外研究填补知识空白。这能让你大脑连接模式。
阶段二：考前影子阅读
阅读每张幻灯片/笔记的小标题，合上书，然后可视化和写出对该概念的解释。只重读你遗漏的部分，类似于机器学习中的掩码语言建模。重读之后，最终在代码中实现该概念。你为每个概念建立了肌肉记忆。这对那些不太自信的朋友们非常有效。事实上，其中一位朋友在高级工程数学模块（涵盖Hessian矩阵和优化）中超过了我。她今天在一家大型石油和天然气公司工作。灵魂的意愿比我们所拥有的身体更重要（Rosenthal实验）。

Henry Ndubuaku 是谁？

请阅读GitHub个人资料！

引用

@book{ndubuaku2025compendium,
  title = {Maths, CS & AI Compendium},
  author = {Henry Ndubuaku},
  year = {2026},
  publisher = {GitHub},
  url = {https://github.com/HenryNdubuaku/maths-cs-ai-compendium}
}