首页 / 综合实践 / 12_深度学习原理与经典论文路线/8周逐日任务表.md

8 周逐日任务表

综合实践 · 12_深度学习原理与经典论文路线/8周逐日任务表.md

8 周逐日任务表

使用规则

每天只完成一个小闭环：读一点、写一点、跑一点、说一点。不要把目标设成“看完视频”或“看完论文”，而是交付一个可检查产出。

每天 90 分钟建议分配：

20 分钟：看视频或读书补概念。
25 分钟：读论文一个小节。
25 分钟：跑或改 notebook。
10 分钟：写 3 句话总结。
10 分钟：做自测题或向 AI 提 3 个问题。

第 1 周：神经网络与 word2vec

天	主题	任务	产出
Day 1	深度学习整体地图	看 MIT 6.S191 intro；读 `核心概念清单.md` 第一组	解释 tensor、loss、gradient
Day 2	词向量直觉	读 word2vec 摘要和引言	一句话解释 embedding
Day 3	context window	跑 `dl_01_word2vec_embeddings.ipynb` 前半部分	画一个中心词-上下文样本
Day 4	negative sampling	跑完 word2vec notebook	解释正样本和负样本
Day 5	论文笔记	填 `第01单元_论文笔记包.md` 的 word2vec 部分	一页 word2vec 笔记
Day 6	口头表达	用 3 分钟讲 word2vec	录音或写 3 分钟稿
Day 7	复盘	做 `自测题库.md` 中 word2vec 题	标出 3 个薄弱点

第 2 周：ResNet 与深层网络

天	主题	任务	产出
Day 8	CNN 和深层网络	看 MIT/CNN 相关内容或读书查 CNN	解释卷积和通道
Day 9	ResNet 问题	读 ResNet 摘要、引言、Figure 2	解释 degradation problem
Day 10	residual block	跑 `dl_02_resnet_block.ipynb`	画 `F(x)+x`
Day 11	projection shortcut	修改 notebook 中 channel 数	解释为什么 shape 要一致
Day 12	论文笔记	填 ResNet 一页笔记	一页 ResNet 笔记
Day 13	对比表达	比较普通 block 和 residual block	3 分钟口头稿
Day 14	复盘	做 ResNet 自测题	标出 3 个问题

第 3 周：Attention 与 Transformer

天	主题	任务	产出
Day 15	attention 直觉	读 Attention 论文摘要和方法直觉	解释 alignment
Day 16	Q/K/V	跑 `dl_03_attention_qkv.ipynb` 前半部分	写出 Q/K/V shape
Day 17	softmax weight	手算 2-3 个 token 的 attention	一张手算表
Day 18	Transformer	读 Transformer 摘要、引言、模型结构	解释 self-attention
Day 19	论文笔记	填 Attention 和 Transformer 笔记	两页笔记
Day 20	单元整合	读 `第01单元_表示学习到Transformer.md`	一张主线图
Day 21	复盘	讲 5 分钟第 01 单元	5 分钟稿

第 4 周：GPT 与 BERT

天	主题	任务	产出
Day 22	GPT 训练目标	读 GPT 摘要和训练目标	解释 next-token prediction
Day 23	causal mask	跑 `dl_04_mini_gpt_causal_lm.ipynb`	解释为什么不能看未来
Day 24	BERT 训练目标	读 BERT 摘要和 MLM 部分	解释 `[MASK]`
Day 25	MLM loss	跑 `dl_05_bert_mlm_toy.ipynb`	解释只在 mask 位置算 loss
Day 26	GPT vs BERT	填第 02 单元中 GPT/BERT 笔记	对照表
Day 27	口头表达	3 分钟讲 GPT 和 BERT 差异	口头稿
Day 28	复盘	做 GPT/BERT 自测题	标出薄弱点

第 5 周：GPT-3、Scaling Law、Chinchilla

天	主题	任务	产出
Day 29	GPT-3	读 GPT-3 摘要和 few-shot 部分	解释 in-context learning
Day 30	prompt 范式	写 3 个 few-shot prompt 例子	prompt 对照表
Day 31	Scaling Law	读 Scaling Law 摘要和主要图表	解释经验规律
Day 32	toy scaling	跑 `dl_06_scaling_law_chinchilla_toy.ipynb`	解释参数/数据/计算量
Day 33	Chinchilla	读 Chinchilla 摘要和结论	解释 compute-optimal
Day 34	论文笔记	填 GPT-3、Scaling Law、Chinchilla	三页笔记
Day 35	复盘	讲第 02 单元 5 分钟	5 分钟稿

第 6 周：RLHF、LoRA、Diffusion

天	主题	任务	产出
Day 36	RLHF	读 RLHF 摘要和方法概览	画三阶段流程
Day 37	偏好与 reward	写偏好排序 toy 表格	解释 reward model
Day 38	LoRA	读 LoRA 摘要和方法	解释 low-rank
Day 39	LoRA demo	跑 `dl_07_lora_linear.ipynb`	计算参数量
Day 40	Diffusion	读 Diffusion 摘要和直觉	解释加噪/去噪
Day 41	Diffusion demo	跑 `dl_08_diffusion_denoising_toy.ipynb`	解释 noise prediction
Day 42	复盘	填第 03 单元笔记	三页笔记

第 7 周：整合与查漏

天	主题	任务	产出
Day 43	主线整合	读 3 个单元讲义	总知识图
Day 44	notebook 整理	选择 2 个 notebook 重跑或检查	输出截图/结果记录
Day 45	论文矩阵	补全 `经典论文矩阵.md` 自己理解	12 行矩阵
Day 46	自测	做 `自测题库.md` 第一轮	错题清单
Day 47	口头练习	讲 12 篇论文主线 8 分钟	录音或讲稿
Day 48	补短板	针对错题补概念	5 个修正回答
Day 49	复盘	更新 `当前进度看板.md`	新状态

第 8 周：最终模拟组会

天	主题	任务	产出
Day 50	选题	选择 1 篇论文深入讲	选题理由
Day 51	写稿	改 `最终汇报_Transformer草稿.md` 或另写个人稿	10 分钟初稿
Day 52	配 notebook	选择 1 个 notebook 展示	讲解顺序
Day 53	追问准备	回答 8 个追问	问答稿
Day 54	第一次演练	录一次 10 分钟汇报	自评清单
Day 55	修改	修正不清楚的概念和表达	第二版稿
Day 56	最终演练	完成最终模拟组会	最终自评

反向链接