知识建设盘点

专业知识 · 20-Knowledge/跨课程连接/知识建设盘点.md

知识建设盘点

盘点结论

当前 Obsidian 库已经有清晰的库结构和三门课的主线入口，但建设程度不均衡：

• 已初步建造完成：20-Knowledge 下 15 张核心知识卡，覆盖数理统计、极值理论、人工智能三组概念。
• 已有入口但仍偏目录：05-Courses 下三门课程主页、Home、学习总览、工作流说明。
• 内容充足但偏参考资料：40-References/Papers 下论文翻译与 PDF 材料。
• 仍只有简短概念或待建设：课程章节笔记、习题库、错题本、项目页、模板页。

已初步建造完成的知识

这些卡片已经包含“概念解释、公式与计算、关联、应用、易错点、课后习题、答案”，可以直接用于复习和继续扩展。

数理统计

• ../统计推断/充分统计量
• ../统计推断/最大似然估计
• ../统计推断/假设检验
• ../统计推断/置信区间
• ../统计推断/渐近正态性

完成度判断：已从概念占位升级为基础知识卡。下一步应补“指数族、Fisher 信息、似然比检验、贝叶斯估计、无偏性、一致性”等二级概念。

极值理论

• ../极值理论/广义极值分布
• ../极值理论/POT 方法
• ../极值理论/广义帕累托分布
• ../极值理论/尾部指数
• ../极值理论/重现水平

完成度判断：已形成 GEV 与 POT 两条主线。下一步应补“阈值选择、均值剩余寿命图、去簇、VaR、Expected Shortfall、极端风险回测”。

人工智能

• ../人工智能/监督学习
• ../人工智能/损失函数
• ../人工智能/过拟合与正则化
• ../人工智能/模型评估
• ../人工智能/神经网络

完成度判断：已形成监督学习主线。下一步应补“交叉验证、梯度下降、反向传播、正则化路径、分类阈值、混淆矩阵、AUC、校准”。

仍只有简短入口的内容

课程页

• ../../05-Courses/数理统计/数理统计
• ../../05-Courses/极值/极值
• ../../05-Courses/人工智能/人工智能

这些页面目前主要是课程目标、文件夹用法和推荐知识卡。它们适合作为课程入口，但还缺少章节进度、每周任务、错题索引和考试复习计划。

工作流与总览页

• ../../Home
• ../../05-Courses/学习总览
• ../../30-Workflows/Obsidian 学习工作流

这些页面适合做导航，但还没有形成稳定的周复盘数据。建议每周至少补一次“本周最重要概念、最容易混淆问题、需要 Codex 继续解释的问题”。

参考论文区

• ../../40-References/Papers/AI经典论文批量翻译状态
• 40-References/Papers 下的论文全文、翻译稿、图表资源。

这些内容信息量大，但还没有完全转化为长期知识卡。建议从每篇论文提炼 3 类卡片：核心概念、关键公式、可迁移方法。

建议的补充规范

每张名词卡建议保持以下结构：

1. 概念解释：不用只写一句话，要说明它解决什么问题。
2. 公式与计算：给出最常见的定义式、估计式或目标函数。
3. 与其他名词的关联：至少 3 条 Obsidian 双链。
4. 典型应用场景：课程题、科研、工程或 AI 场景。
5. 易错点：列出考试和实践中最常见误解。
6. 课后习题：至少 3 题。
7. 答案：给出可核对的简洁答案。

下一批建议创建的知识卡

优先级从高到低：

1. ../统计推断/指数族
2. ../统计推断/Fisher 信息
3. ../统计推断/似然比检验
4. ../人工智能/交叉验证
5. ../人工智能/梯度下降
6. ../人工智能/混淆矩阵
7. ../极值理论/阈值选择
8. ../极值理论/Expected Shortfall
9. ../极值理论/VaR
10. ../极值理论/极端风险回测

建议的知识图谱维护动作

• 每新增一张卡，至少链接 1 个同课程概念和 1 个跨课程概念。
• 每次复习后，把错题中的关键词反向链接到对应名词卡。
• 每篇论文读完后，优先把公式和方法沉淀进 20-Knowledge，不要只留在 40-References。
• 每周更新一次 知识地图 的“下一步待补链接”。