LEARN / TUTORIALS
系统教程
从基础概念到实践应用,按章节逐步建立知识体系。
全部方向 · 492 门教程

Houdini 程序化游戏资产开发
游戏资产生产常遇到重复建模、比例修改、变体制作和批量导出成本高的问题。课程以 Houdini 程序化工作流为主线,从节点网络与属性基础进入,再覆盖程序化建模、散布、材质辅助、模块化场景、数字资产、游戏引擎导出与批处理,最终完成可复用的资产生成工具与一套可维护的生产流程。

AI 动态剧情与角色记忆
NPC 对话固定、剧情分支有限、角色无法记住玩家行为时,AI 很难真正参与游戏世界。课程围绕剧情状态、角色记忆、检索与生成、约束与持久化展开,最终把一次性对话接入可查询、可更新、可测试的动态剧情系统。

FreeRTOS 实时系统:从任务调度到工程落地
多外设并发和严格时序会让裸机轮询迅速失控。课程以 FreeRTOS Kernel 11.3.x 和 Cortex-M 为主线,覆盖任务调度、通信同步、中断、内存、低功耗、移植与故障诊断,学完能构建可测时延、可恢复、可维护的实时控制系统。

数字信号处理(DSP):从采样到滤波实现
采样后的传感器、音频与通信信号常伴随混叠、噪声、频谱泄漏和滤波失真。课程从离散信号与系统出发,串联采样、卷积、DFT/FFT、z 变换、FIR/IIR、多速率处理和定点实现,学完可以独立分析频谱、设计滤波器并定位常见 DSP 问题。

大模型原理:从 Transformer 到 GPT
调用大模型不难,难的是解释模型为何这样生成。内容从词元和注意力出发,拆解 Transformer、GPT 自回归目标、预训练、对齐与 KV Cache,并用微型 GPT 复现链路,使学习者能从张量和概率分布解释模型行为,判断训练与推理取舍。

nanoGPT 从零实现 GPT:训练到生成
直接调用大模型 API 很难解释注意力、损失与训练稳定性为何这样工作。课程沿 nanoGPT 的极简路线,从数据编码、自注意力和 Transformer Block 开始亲手组装 GPT,再补齐训练循环、混合精度、多卡训练、检查点、GPT-2 权重加载与采样,最终能独立训练、评估和排查一个小型语言模型。