A 大纲与教材对应表
基础级与入门级
| 大纲知识与能力 | 教材位置 | 阅读时应形成的能力 |
|---|---|---|
| E 级第一轮 AI 概念、人机智能、生活应用与基础伦理 | 1.1、1.5 | 根据输入、处理和输出区分应用，识别错误使用 |
| E 级第一轮变量、类型、输入输出、运算与控制结构 | 2.1 | 独立写出基础程序，按执行顺序解释结果 |
| E 级第一轮列表与字符串 | 2.2 | 创建、访问、修改、遍历并理解切片 |
| E 级第一轮总数、平均数、极值、占比和排序判断 | 3.2、4.3 | 解释统计量含义，比较数值与顺序 |
| E 级第一轮流程抽象、编码、特征与循环规律 | 4.1 | 把要求拆成步骤，按给定规则表示信息 |
| E 级第二轮数据与学习、语音和图像识别流程 | 1.1、1.2 | 说明数据进入模型并形成识别结果的过程 |
| E 级第二轮函数、参数、返回值和内置函数 | 2.3、2.1—2.2 | 编写函数，调用常用工具完成计算 |
| E 级第二轮枚举、顺序查找和二分查找 | 4.2 | 结合提示仿用算法，说明范围与停止条件 |
| E 级第二轮报错、代码补全与语法调试 | 2.4 | 根据错误信息和执行过程定位问题 |
| E 级第二轮一次方程、三段论与复合逻辑 | 3.1、3.3 | 求解简单方程，判断条件与推理是否成立 |
| E 级第二轮问题分解与场景建模 | 4.1、5.1 | 确定输入、目标、特征和子问题 |
| J 级第一轮三大学派、数据类型、算力与计算机 | 1.2—1.4 | 区分研究思想、数据分类角度和设备作用 |
| J 级第一轮 AI 历史、里程碑、局限与使用伦理 | 1.4—1.5 | 将事件放入发展脉络，分析偏见与不当使用 |
| J 级第一轮数制转换、递归、函数复用与二维列表 | 2.2—2.3 | 读懂递归调用，按行列处理数据 |
| J 级第一轮坐标、维度、向量与距离 | 3.3—3.4 | 表示位置和特征，计算两点距离 |
| J 级第一轮众数、中位数、统计图表与异常数据 | 3.2 | 按单位与刻度读图，区分趋势与异常 |
| J 级第一轮编码解码、模式、特征与分类 | 4.1、5.1 | 依据给定规则提取特征、分组和还原信息 |
| J 级第二轮标注、机器学习范式和完整流程 | 5.1—5.2 | 区分四类主要学习方式，说明各数据集的用途 |
| J 级第二轮算法表达与计算性能指标 | 4.1、1.3 | 读流程图和伪代码，理解性能指标的条件 |
| J 级第二轮标准模块、容器选择、字符串和文档调试 | 2.2、2.4 | 使用 math、random、os 等模块并检查陌生代码 |
| J 级第二轮四种排序、DFS 与 BFS | 4.3—4.4 | 结合提示仿用，按一轮或一次访问推演 |
| J 级第二轮独立事件、古典概率、集合与向量运算 | 3.1、3.4—3.5 | 检查概率条件，完成集合及向量计算 |
| J 级第二轮贪心、场景分解与预处理建模 | 4.1、4.3、5.2—5.3 | 解释选择规则，按任务组织样本与标签 |
进阶级
| 大纲知识与能力 | 教材位置 | 阅读时应形成的能力 |
|---|---|---|
| S 级第一轮机器学习、深度学习与任务类型 | 5.1、6.5 | 区分分类、回归、聚类与学习范式 |
| S 级第一轮线性和多项式回归、KNN、SVM、K-means、树与 MLP | 6.1—6.3、6.5 | 说明各模型怎样计算与预测 |
| S 级第一轮数据质量、误差、准确率与混淆矩阵 | 5.2—5.4、3.2 | 计算指标，按场景与错误类型解释效果 |
| S 级第一轮 Transformer、具身智能、Vibe Coding、OpenClaw、规模定律和世界模型 | 8.1 | 分清架构、系统、开发方式和能力目标 |
| S 级第一轮 AI for Science、AI for Research 与科研第五范式 | 8.2 | 区分预测、假设和实验检验，解释人机协同 |
| S 级第一轮社会影响、典型治理文件、涌现与责任两难 | 8.1—8.2、1.5 | 依据具体用途和证据分析影响与责任 |
| S 级第一轮推导式、lambda、map、reduce、filter 和面向对象 | 2.5 | 写推导式，读数据变换与简单类的执行过程 |
| S 级第一轮二次方程、常见分布与 MAE、MSE | 3.2—3.3、3.5 | 按约束筛选方程解，区分分布和误差指标 |
| S 级第一轮线性模型、MLP 使用及树图遍历 | 6.1、6.5、7.4、4.4 | 按给定参数逐层计算，并完成搜索 |
| S 级第二轮决策函数、损失函数与网络训练 | 6.1—6.2、6.5—6.7 | 区分预测依据、训练目标和参数更新 |
| S 级第二轮卷积、池化、全连接与 CNN 结构 | 6.8 | 移动窗口计算，确定尺寸、通道和连接关系 |
| S 级第二轮清洗、均值替换、插值、连接与追加 | 5.3、7.2 | 选择合理处理规则，检查配对与缺失情况 |
| S 级第二轮标准化、归一化、独热、词嵌入与增强 | 5.3、7.1—7.2 | 解释变换意义，保持训练和使用规则一致 |
| S 级第二轮超参数、欠拟合与过拟合 | 5.2、6.7、7.4 | 根据训练与验证证据选择改进办法 |
| S 级第二轮 GPU、NPU、性能参数与 CUDA、CANN | 1.3 | 结合计算、存储、传输与软件判断性能 |
| S 级第二轮 NumPy、Pandas、Matplotlib、scikit-learn 和 jieba | 7.1—7.4 | 按文档使用库，核对形状、参数和返回结果 |
| S 级第二轮最小二乘、最大似然与贝叶斯定理 | 6.1、6.4 | 说明估计目标，完成简单概率更新 |
| S 级第二轮极限、导数、多项式和指数求导、梯度下降 | 6.6 | 解释变化率，求导并按梯度更新参数 |
| S 级第二轮矩阵、卷积、Sigmoid、ReLU 给定规则运算 | 3.4、6.5、6.8、7.1 | 区分运算符号，逐位置或逐层计算 |
| S 级第二轮状态空间、动作、有限状态自动机与反馈 | 4.5 | 追踪状态转换，按作用方向区分反馈 |