課程與筆記
選一門課，從第一篇開始，或展開單元直接找需要的主題。想邊思考邊學，可以前往互動學習。
地圖模式可以探索筆記之間的關係；讀過的節點會在這個瀏覽器亮起。
喜歡先想問題、再看解釋？ 試試互動學習 →
搜尋筆記
輸入主題、關鍵字或單元編號，例如 Flow Matching、U4。
課程
Diffusion Models and Their Applications
這是一片可以探索diffusion model、flow matching和其相關領域的知識世界：腳下是數學構築的陸地，眼前是機器學習的海洋；再抬頭望去，則是一門門課程組成的星空。
每一顆星，都是一篇筆記；每讀完一篇，就點亮一顆星。從一顆星開始，慢慢點亮屬於你的 DMA 星空吧！
Geometric Deep Learning
這是一片可以探索 geometric deep learning 與 symmetry 的知識世界：每一個單元都是一種分子，而那個分子的形狀，隱約的藏著這個單元要講的對稱——不斷重複的長鏈、可以旋轉的環、任意交換也不變的配體，還有照鏡子也疊不回去的手性。
每一顆原子，都是一篇筆記；每讀完一篇，就點亮一顆原子，讀完一個單元，整個分子就會亮起來。從一顆原子開始，慢慢組出屬於你的 GDL 分子吧！
滑過單元名稱，分子會表演它的對稱：鏈平移一個單元、兩個配體互換位置、訊息沿著鍵一層層傳進中心、手性分子翻到鏡像。
課程
從 Diffusion Models 與 Flow Matching 出發，延伸至離散生成、one-step generative models，以及生成時的引導與應用。
從 symmetry 的問題出發，推導運算限制、交代設計選擇，再構造 CNN、集合模型、Attention／Transformer 與 GNN，並建立幾何、energy 與 force 的關係。第一階段 G1–G6 共 31 篇；G7–G11 規劃 34 篇擴充。
基礎
以淺顯易懂的方式介紹機器學習中常見的數學工具，以及本網站其他相關課程所需的數學知識。
介紹機器學習的核心概念、方法與實務，建立理解、分析與應用不同機器學習模型的基礎。