Signals to Intelligence

从数字信号处理到大语言模型的思想演化与代码实践

版本： v3.1 | 最后更新： 2026-06-01

项目简介

面向工程师的思想对照式快速入门教程。帮你把已有的信号处理 / 统计知识迁移到现代 AI（深度学习、Transformer、LLM、多模态）的理解中。

目标读者： 具有理工科背景、学过 DSP / 控制 / 通信 / 机器学习基础，想快速理解 LLM 本质的工程师。

快速开始

bash

git clone <repo-url> && cd signal-to-intelligence
python3 -m venv venv && source venv/bin/activate
pip install -e .
python code/ch01_dsp/fft_spectrum.py   # 验证安装

第 1-5 章代码实验全部使用模拟数据，不需要 GPU，不需要下载模型。完整环境配置（Docker / 云端 / API Key）见 → 附录 B：环境配置

章节目录

章节	主题	核心内容
第0章：导论	学习路径与全书概览	三条学习路径，章节速览
第1章：DSP基础	信号的三种视角	傅里叶变换、卷积、滤波器
第2章：优化与机器学习	从优化算法到传统ML	梯度下降、Adam、SVM、决策树
第3章：深度学习快速通道	CNN、RNN、为什么Transformer更好	卷积网络、序列模型、对比分析
第4章：Transformer详解	自注意力机制	QKV注意力、多头、位置编码
第5章：LLM原理	预训练、缩放律、对齐	BPE、Scaling Laws、RLHF、DPO
第6章：LLM应用	Prompt → 微调 → RAG → Agent	系统设计、工程实践
第7章：多模态LLM	视觉与语言的融合	ViT、CLIP、Qwen2.5-VL

附录

文件	内容
附录A：数学备忘	线性代数、概率、复数、信号处理、优化公式速查
附录B：环境配置	本地 / Docker / 云端 / CNB，API Key 配置，验证脚本
附录C：代码运行指南	代码结构、运行方式、所有实验汇总表
附录D：数学基础速查表	各章数学前置速查 + extensions 深度阅读导航

工程文件说明

文件 / 目录	作用
`requirements.txt`	便利入口，等价于 `pip install -e .`，实际依赖由 `pyproject.toml` 管理
`pyproject.toml`	依赖单点维护：核心依赖 + 可选依赖组（`pip install -e ".[llm]"` 等）
`Makefile`	常用命令快捷方式，`make help` 查看所有命令
`.env.example`	API Key 模板，复制为 `.env` 后填入密钥
`deploy/`	Docker Compose 配置（CPU 版 + GPU 版），见 deploy/README.md
`code/`	所有可运行代码实验，按章节分目录
`docs/`	教程文档，按章节分目录，每章含 `extensions/` 扩展内容
`assets/`	代码实验生成的图表（由脚本自动生成，不手动编辑）

学习路径

快速通道（8-12h）：第4章 → 第5章 → 第6章 → 第7章
完整路径（20-30h）：第1章 → 第2章 → ... → 第7章
深度探索（40-50h）：所有章节 + 所有 extensions/

详见第0章：学习路径

Signals to Intelligence ​

项目简介 ​

快速开始 ​

章节目录 ​

附录 ​

工程文件说明 ​

学习路径 ​