每个月是一个完整单元：4章、1个阶段项目、12道练习。默认每周8至10小时，可按个人时间放慢，但不要打乱关键先修。
选择一个真实但不含个人信息的校园任务，画出数据、模型、界面、人工判断和风险边界。
用虚构课程数据写命令行程序，支持输入校验、函数拆分、测试和错误提示。
保存数据字典、清洗脚本、SQL查询、环境说明、随机种子和实验日志，不保存个人信息。
用向量和矩阵实现缩放、旋转、投影与组合，并解释几何意义和数值误差。
使用公开或教学模拟数据，输出概率、校准图、置信区间和限制，而不是只给单点答案。
从损失函数、梯度、学习率到稳定性完整记录训练，比较至少三种设置。
分别用图搜索和约束求解处理路径与排课，比较正确性、代价和扩展节点数。
使用公开植物规则与教学模拟概率，展示规则链、冲突、不确定性和无法判断的情况。
使用虚构标签或公开数据，完成问题定义、基线、训练/验证/测试、错误分析和模型卡。
完成聚类、降维、异常检查和自监督表示实验，并说明结果不是天然真实类别。
对同一模型做指标、校准、群体切片、数据漂移、因果假设和对抗测试，记录不确定性。
从张量、数据加载、模型、优化、检查点到推理脚本形成可复现实验包。
完成数据许可检查、增强、分类、混淆分析、显著性审查和CPU部署。
只使用公开校规或虚构资料，完成分词、检索、回答、引用、拒答和错误分析。
使用公开音频或合成波形，完成采样、频谱、分类、噪声测试和隐私说明。
比较VAE、GAN、扩散或流的玩具实现，记录模式覆盖、质量、成本、许可和滥用风险。
用教学模拟环境记录奖励、策略、探索、种子、学习曲线和失败轨迹，不把单次成功当结论。
实现坐标、传感噪声、定位、路径规划、控制和急停逻辑；所有实验停留在模拟环境。
用公开项目或合成事件做图、推荐和时序分析，提供多样性、冷启动和退出机制。
在CPU小语料上实现词元器、因果注意力、训练、采样和评估；记录数据许可与算力边界。
限制工具白名单，记录每次检索和引用，遇到发布、写入或高风险判断必须停下等待人工确认。
建立数据版本、训练记录、离线评估、CPU推理、延迟预算、漂移告警和回滚说明。
用虚构系统建立资产、威胁、风险、隐私、解释、法规映射、事件响应和残余风险清单。
选择低风险问题，完成文献图谱、基线、复现、消融、失败分析、部署、模型卡、演示和下一步研究问题。