反向传播算法深度实战：从链式法则到现代深度学习引擎
从微积分链式法则出发，详解反向传播算法的数学原理与工程实现，涵盖PyTorch autograd引擎、梯度消失/爆炸解决方案、混合精度训练、Feedback Alignment与Z-Prop等现代变体，附完整NumPy实现。
深度学习
GPU 并行计算深度实战：从 CUDA 核心编程到内存层次的全栈优化
从GPU硬件微架构出发系统梳理CUDA编程核心抽象、内存层次优化策略以及性能调优方法论，覆盖SIMT模型、合并访问、Bank Conflict、Register Tiling、Tensor Core编程、Roofline分析等主题。
从卷积神经网络到视觉Transformer：图像识别架构的范式转移与工程实战
系统梳理从卷积神经网络到Vision Transformer的架构演进：深入剖析CNN的归纳偏置与局限、ViT的核心原理与训练策略、Swin Transformer的工程革新，以及CNN与ViT在实际业务中的选型指南与推理优化技巧。
