ASCENT：从基础到精通的机器学习工程

1,333 页讲义幻灯片。10 个模块。320 课时。由零基础到硕士水准。

ASCENT 是泰睿开放学院推出的开源机器学习工程项目。它带领在职从业者从第一行 Python 代码起步，直至构建具备完整治理的生产级机器学习系统。每一个概念均以三重深度并行讲授，每一道方程式都完整推导，而非直接断言。

	基础攀登（M1–M5）	高阶攀登（M6–M10）
层级	零基础 Python 至生产级 ML	从进阶到硕士水准
时长	160 课时（40 节）	160 课时（40 节）
成果	部署受治理的 ML 模型	构建对齐的 AI 代理系统

课程体系

序号	模块	学习要点	幻灯片
1	Python 与数据素养	从零起步的 Python、Polars、数据画像、可视化	85
2	统计基础	20+ 种分布、最大似然估计（MLE）、贝叶斯推断、假设检验、自助法（bootstrap）、信息论	131
3	特征工程与实验设计	CUPED 方差缩减、DiD、因果森林、Double ML、9 类编码方法、Boruta、数据泄漏检测	99
4	监督学习	完整模型家族（从线性模型到 CatBoost）、XGBoost 二阶泰勒展开、偏差-方差分解、保形预测	83
5	ML 工程与生产化	SHAP 公理与 TreeSHAP、LIME、ALE、公平性（不可能性定理）、工作流、DataFlow、模型注册表、集成方法	150
6	无监督学习与模式发现	K-means 到 HDBSCAN、EM/GMM（完整推导）、PCA-SVD 关系、t-SNE、UMAP、LDA、NMF、BERTopic、异常检测	146
7	深度学习	以神经网络视角看线性回归、反向传播（完整链式法则）、并行化训练（数据/模型/流水线/张量）、CNN、ResNet、Adam 推导	100
8	自然语言处理与 Transformer	BPE 分词、Word2Vec（负采样推导）、LSTM 门控、自注意力（为何除以 sqrt d_k）、Transformer 架构、BERT、GPT、Flash Attention	150
9	大语言模型、AI 代理与 RAG	2026 年第一季度 LLM 全景、7 种 RAG 架构、混合检索、RAGAS 评估、ReAct/Reflexion 代理、多代理 A2A、MCP 协议、Nexus 部署	235
10	对齐、强化学习与治理	LoRA/QLoRA、DPO（从 RLHF 出发的五步推导）、GRPO、PPO（裁剪目标与 GAE）、贝尔曼方程、欧盟 AI 法案、PACT D/T/R 治理、完整平台结项项目	154
	合计		1,333

三重教学层次

每一个概念均在三种深度下呈现：

层次	标识	受众	示例（偏差-方差）
直觉	Foundations	零基础的职业人士	「设想你向靶心投飞镖。偏差是所有投掷点中心与靶心的距离；方差则是这些投掷点的离散程度。」
数学	Theory	进阶从业者	E[(y-y_hat)^2] = Bias^2(y_hat) + Var(y_hat) + sigma^2，逐步推导
研究	Advanced	硕士及以上/博士	双下降现象（Belkin 等，2019）：在超参数化模型中，测试误差在跨过插值阈值后继续下降

银行家与博士坐在同一间教室，离开时都会学到自己此前不知道的内容。

项目包含的全部产出

组件	数量	详情
讲义幻灯组	10	Reveal.js HTML、三重深度、KaTeX 公式、讲师备注
幻灯片	1,333	每一道方程式均完整推导，每一种算法均逐步拆解
练习	80	含解答 + 本地 Python + Jupyter + Colab（三种格式一致）
数据集	11	新加坡本地情境：HDB 转售 1,500 万、出租车 5 万、信用 10 万、实验数据 50 万
测验	10	246 道抗 AI 回答型题目（基于情境，非机械记忆）
SDK 教程书	163 篇教程	83 篇 Python + 80 篇 Rust，由浅入深

交付形式

形式	位置	适用场景
本地 Python	`modules/ascent/local/.py`	完整异步支持、Nexus 部署
Jupyter	`modules/ascent/notebooks/.ipynb`	交互式探索
Google Colab	`modules/ascent/colab/.ipynb`	免安装、GPU 可用

非供应商锁定

ASCENT 教授的是行业标准工具。Kailash Python SDK（基金会开源的机器学习编排平台）在此之上提供治理与编排能力：

你学到的	行业标准	Kailash 附加价值
数据	Polars（Apache Arrow）	DataExplorer：自动化画像，8 类告警
经典机器学习	scikit-learn、XGBoost、LightGBM、CatBoost	TrainingPipeline：训练编排与模型注册表
深度学习	PyTorch	OnnxBridge：便携的 ONNX 导出
NLP	BERTopic、sentence-transformers	ModelVisualizer：基于 Plotly 的交互分析
LLM 代理	OpenAI / Anthropic / Groq API	Kaizen Delegate：带成本预算的结构化输出
治理	欧盟 AI 法案 / 新加坡 AI Verify	PACT：基于运行包络的 D/T/R 问责

若你换用其他技术栈，数学基础、scikit-learn、PyTorch 与架构性范式均可随身带走。

快速开始

git clone https://github.com/terrene-foundation/ascent.git
cd ascent
uv venv && uv sync
cp .env.example .env  # M9-M10 所需的 API 密钥

# 第一道练习
uv run python modules/ascent01/local/ex_1.py

# 查看讲义幻灯片
open decks/ascent01/deck.html

许可

代码与练习采用 Apache 2.0 许可；讲义内容采用 CC BY 4.0 许可。可自由使用、扩展与教学。

源码：github.com/terrene-foundation/ascent