学习路线

按自己的基础选一条路线。不确定的话，先做如何使用本手册里的自测。

	路线 A：打基础	路线 B：直接上手
适合	大一，或 Python、数学基础较弱	大二，或已经学过 Python 和机器学习
时长	约 16 周（一个学期）	约 12 周
每周投入	至少 6 小时	10 小时左右（正式进组后也是这个标准）
结束时	基础扎实，能独立配环境、做完 L1，读懂综述	复现一篇论文（至少达到“复现一个数”），具备进入正式研究的条件

路线 A 走完后接着走路线 B。下面的清单可以直接勾选，进度自动保存在你自己的浏览器里，下次打开还在；换电脑前先用清单下方的“导出”备份。标着“产出”的任务要留下看得见的成果（笔记、代码、报告、幻灯片）。

两条路线都要求每周写一份简短的周报（模板）。清单下方的“复制进度”按钮会生成一段文字，列出最近 7 天完成的任务和下一步计划，可以直接粘贴进周报。

和课程怎么平衡

科研不应该拖垮课程成绩，成绩和英语对保研、出国都很重要。考试周可以暂停，提前在周报里说一声即可。路线 A 的很多内容（Python、线性代数、概率论、机器学习）本来就和课程重合，把课内学的东西用起来，两边都受益。

路线 A：大一或基础较弱

目标是把基础打扎实，同时尽早接触真实的工具和问题，保持兴趣。周数是参考，可以按自己的课程安排前后调整。

目标是熟悉领域、配好环境、复现一篇论文。从入门到第一篇论文通常需要半年到一年，中间会有很多次实验不成功，这是常态。