CS 自学指南

请帮我把「CS 自学指南」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://csdiy.wiki/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：在线学习。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：这是一份学习资源指南，按官方导航阅读并选择适合自己的课程；练习来自所选课程原站，本指南没有统一评分作业。 目录中的 135 项是官方导航，不是必须修完的 135 门课；从入门页按目标选一条路径，外链课程各自准备工具和核对许可。
课节（官方顺序）：
1. 前言：https://csdiy.wiki/
2. 如何使用这本书：https://csdiy.wiki/%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97/
3. 一个仅供参考的CS学习规划：https://csdiy.wiki/CS%E5%AD%A6%E4%B9%A0%E8%A7%84%E5%88%92/
4. 翻墙：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/%E7%BF%BB%E5%A2%99/
5. Vim：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/Vim/
6. Emacs：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/Emacs/
7. Git：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/Git/
8. GitHub：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/GitHub/
9. GNU Make：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/GNU_Make/
10. CMake：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/CMake/
11. LaTeX：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/LaTeX/
12. Docker：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/Docker/
13. Scoop：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/Scoop/
14. 日常学习工作流：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/workflow/
15. 实用工具箱：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/tools/
16. 毕业论文：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/thesis/
17. 信息检索：https://csdiy.wiki/%E5%BF%85%E5%AD%A6%E5%B7%A5%E5%85%B7/%E4%BF%A1%E6%81%AF%E6%A3%80%E7%B4%A2/
18. 好书推荐：https://csdiy.wiki/%E5%A5%BD%E4%B9%A6%E6%8E%A8%E8%8D%90/
19. MIT18.01/18.02: Calculus：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/MITmaths/
20. MIT18.06: Linear Algebra：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/MITLA/
21. MIT6.050J: Information theory and Entropy：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/information/
22. UCB CS70: discrete Math and probability theory：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E8%BF%9B%E9%98%B6/CS70/
23. UCB CS126: probability theory：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E8%BF%9B%E9%98%B6/CS126/
24. MIT 6.042J: Mathematics for Computer Science：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E8%BF%9B%E9%98%B6/6.042J/
25. MIT18.330: Introduction to numerical analysis：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E8%BF%9B%E9%98%B6/numerical/
26. Standford EE364A: Convex Optimization：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E8%BF%9B%E9%98%B6/convex/
27. The Information Theory, Pattern Recognition, and Neural Networks：https://csdiy.wiki/%E6%95%B0%E5%AD%A6%E8%BF%9B%E9%98%B6/The_Information_Theory_Pattern_Recognition_and_Neural_Networks/
28. MIT-Missing-Semester：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/MIT-Missing-Semester/
29. Sysadmin DeCal：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/DeCal/
30. UCB CS61A: Structure and Interpretation of Computer Programs：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Python/CS61A/
31. CS50P: CS50's Introduction to Programming with Python：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Python/CS50P/
32. MIT6.100L: Introduction to CS and Programming using Python：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Python/MIT6.100L/
33. Harvard CS50: This is CS50x：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/C/CS50/
34. Duke University: Introductory C Programming Specialization：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/C/Duke-Coursera-Intro-C/
35. AmirKabir University of Technology AP1400-2: Advanced Programming：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/cpp/AUT1400/
36. Stanford CS106L: Standard C++ Programming：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/cpp/CS106L/
37. Stanford CS106B/X：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/cpp/CS106B_CS106X/
38. MIT 6.092: Introduction To Programming In Java：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Java/MIT%206.092/
39. Stanford CS110L: Safety in Systems Programming：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Rust/CS110L/
40. KAIST CS220: Programming Principles：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Rust/cs220/
41. KAIST CS431: Concurrent Programming：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Rust/cs431/
42. Cornell CS3110: OCaml Programming Correct + Efficient + Beautiful：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Functional/CS3110/
43. Haskell MOOC：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E5%85%A5%E9%97%A8/Functional/Haskell-MOOC/
44. EE16A&B: Designing Information Devices and Systems I&II：https://csdiy.wiki/%E7%94%B5%E5%AD%90%E5%9F%BA%E7%A1%80/EE16/
45. UCB EE120 : Signal and Systems：https://csdiy.wiki/%E7%94%B5%E5%AD%90%E5%9F%BA%E7%A1%80/signal/
46. MIT 6.007 Signals and Systems：https://csdiy.wiki/%E7%94%B5%E5%AD%90%E5%9F%BA%E7%A1%80/Signals_and_Systems_AVO/
47. UCB CS61B: Data Structures and Algorithms：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%B8%8E%E7%AE%97%E6%B3%95/CS61B/
48. Coursera: Algorithms I & II：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%B8%8E%E7%AE%97%E6%B3%95/Algo/
49. MIT 6.006: Introduction to Algorithms：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%B8%8E%E7%AE%97%E6%B3%95/6.006/
50. MIT 6.046: Design and Analysis of Algorithms：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%B8%8E%E7%AE%97%E6%B3%95/6.046/
51. UCB CS170: Efficient Algorithms and Intractable Problems：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%E4%B8%8E%E7%AE%97%E6%B3%95/CS170/
52. MIT 6.031: Software Construction：https://csdiy.wiki/%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B/6031/
53. UCB CS169: software engineering：https://csdiy.wiki/%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B/CS169/
54. CMU 17-803: Empirical Methods：https://csdiy.wiki/%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B/17803/
55. CMU 15-213: CSAPP：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%B3%BB%E7%BB%9F%E5%9F%BA%E7%A1%80/CSAPP/
56. Stanford CS110: Principles of Computer Systems：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%B3%BB%E7%BB%9F%E5%9F%BA%E7%A1%80/CS110/
57. Coursera: Nand2Tetris：https://csdiy.wiki/%E4%BD%93%E7%B3%BB%E7%BB%93%E6%9E%84/N2T/
58. UCB CS61C: Great Ideas in Computer Architecture：https://csdiy.wiki/%E4%BD%93%E7%B3%BB%E7%BB%93%E6%9E%84/CS61C/
59. ETHz: Digital Design and Computer Architecture：https://csdiy.wiki/%E4%BD%93%E7%B3%BB%E7%BB%93%E6%9E%84/DDCA/
60. ETHz: Computer Architecture：https://csdiy.wiki/%E4%BD%93%E7%B3%BB%E7%BB%93%E6%9E%84/CA/
61. MIT 6.1810 (6.S081): Operating System Engineering：https://csdiy.wiki/%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F/MIT6.S081/
62. UCB CS162: Operating Systems and Systems Programming：https://csdiy.wiki/%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F/CS162/
63. NJU OS: Operating System Design and Implementation：https://csdiy.wiki/%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F/NJUOS/
64. HIT OS: Operating System：https://csdiy.wiki/%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F/HITOS/
65. CMU 15-418/Stanford CS149: Parallel Computing：https://csdiy.wiki/%E5%B9%B6%E8%A1%8C%E4%B8%8E%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/CS149/
66. MIT 6.5840 (6.824): Distributed System：https://csdiy.wiki/%E5%B9%B6%E8%A1%8C%E4%B8%8E%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/MIT6.824/
67. UCB CS161: Computer Security：https://csdiy.wiki/%E7%B3%BB%E7%BB%9F%E5%AE%89%E5%85%A8/CS161/
68. MIT 6.1600: Foundations of Computer Security：https://csdiy.wiki/%E7%B3%BB%E7%BB%9F%E5%AE%89%E5%85%A8/MIT6.1600/
69. MIT 6.858: Computer System Security：https://csdiy.wiki/%E7%B3%BB%E7%BB%9F%E5%AE%89%E5%85%A8/MIT6.858/
70. ASU CSE365: Introduction to Cybersecurity：https://csdiy.wiki/%E7%B3%BB%E7%BB%9F%E5%AE%89%E5%85%A8/CSE365/
71. ASU CSE466: Computer Systems Security：https://csdiy.wiki/%E7%B3%BB%E7%BB%9F%E5%AE%89%E5%85%A8/CSE466/
72. SU SEED Labs：https://csdiy.wiki/%E7%B3%BB%E7%BB%9F%E5%AE%89%E5%85%A8/SEEDLabs/
73. UCB CS168: Introduction to the Internet: Architecture and Protocols：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%BD%91%E7%BB%9C/CS168/
74. Stanford CS144: Computer Network：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%BD%91%E7%BB%9C/CS144/
75. USTC Computer Networking:A Top-Down Approach：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%BD%91%E7%BB%9C/topdown_ustc/
76. Computer Networking: A Top-Down Approach：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%BD%91%E7%BB%9C/topdown/
77. UCB CS186: Introduction to Database System：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B3%BB%E7%BB%9F/CS186/
78. CMU 15-445: Database Systems：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B3%BB%E7%BB%9F/15445/
79. Caltech CS122: Database System Implementation：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B3%BB%E7%BB%9F/CS122/
80. Stanford CS346: Database System Implementation：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B3%BB%E7%BB%9F/CS346/
81. CMU 15-799: Special Topics in Database Systems：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E5%BA%93%E7%B3%BB%E7%BB%9F/15799/
82. PKU 编译原理实践：https://csdiy.wiki/%E7%BC%96%E8%AF%91%E5%8E%9F%E7%90%86/PKU-Compilers/
83. Stanford CS143: Compilers：https://csdiy.wiki/%E7%BC%96%E8%AF%91%E5%8E%9F%E7%90%86/CS143/
84. NJU 编译原理：https://csdiy.wiki/%E7%BC%96%E8%AF%91%E5%8E%9F%E7%90%86/NJU-Compilers/
85. KAIST CS420: Compiler Design：https://csdiy.wiki/%E7%BC%96%E8%AF%91%E5%8E%9F%E7%90%86/CS420/
86. USTC 编译原理与技术：https://csdiy.wiki/%E7%BC%96%E8%AF%91%E5%8E%9F%E7%90%86/USTC-Compilers/
87. SJTU 编译原理：https://csdiy.wiki/%E7%BC%96%E8%AF%91%E5%8E%9F%E7%90%86/SJTU-Compilers/
88. Stanford CS242: Programming Languages：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%88%86%E6%9E%90/CS242/
89. NJU 软件分析：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%88%86%E6%9E%90/NJU-SoftwareAnalysis/
90. PKU 软件分析：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%88%86%E6%9E%90/PKU-SoftwareAnalysis/
91. Cambridge: Semantics of Programming Languages：https://csdiy.wiki/%E7%BC%96%E7%A8%8B%E8%AF%AD%E8%A8%80%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%88%86%E6%9E%90/Cambridge-Semantics/
92. GAMES101：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/GAMES101/
93. GAMES202：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/GAMES202/
94. GAMES103：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/GAMES103/
95. Stanford CS148：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/CS148/
96. CMU 15-462：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/15462/
97. USTC CG：https://csdiy.wiki/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%9B%BE%E5%BD%A2%E5%AD%A6/USTC%20ComputerGraphics/
98. MIT web development course：https://csdiy.wiki/Web%E5%BC%80%E5%8F%91/mitweb/
99. Stanford CS142: Web Applications：https://csdiy.wiki/Web%E5%BC%80%E5%8F%91/CS142/
100. University of Helsinki: Full Stack open 2022：https://csdiy.wiki/Web%E5%BC%80%E5%8F%91/fullstackopen/
101. CS571 Building UI (React & React Native)：https://csdiy.wiki/Web%E5%BC%80%E5%8F%91/CS571/
102. UCB Data100: Principles and Techniques of Data Science：https://csdiy.wiki/%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6/Data100/
103. Neural Networks: Zero to Hero：https://csdiy.wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/Neural%20Networks%EF%BC%9AZero%20to%20Hero/
104. Harvard CS50's Introduction to AI with Python：https://csdiy.wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/CS50/
105. UCB CS188: Introduction to Artificial Intelligence：https://csdiy.wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/CS188/
106. Coursera: Machine Learning：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/ML/
107. Stanford CS229: Machine Learning：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/CS229/
108. UCB CS189: Introduction to Machine Learning：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/CS189/
109. CMU 15-442/642: Machine Learning Systems：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F/CMU15-442/
110. 智能计算系统：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F/AICS/
111. CMU 10-414/714: Deep Learning Systems：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F/CMU10-414/
112. MIT6.5940: TinyML and Efficient Deep Learning Computing：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F/EML/
113. Machine Learning Compilation：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F/MLC/
114. UCSD CSE234: Data Systems for Machine Learning：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%B3%BB%E7%BB%9F/CSE234/
115. Coursera: Deep Learning：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/CS230/
116. 国立台湾大学: 李宏毅机器学习：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/LHY/
117. CMU 11-785: Introduction to Deep Learning：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/CMU11-785/
118. MIT 6.7960: Deep Learning：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/MIT6-7960/
119. NYU DLSP21: NYU Deep Learning Spring 2021：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/NYU-DLSP21/
120. UMich EECS 498-007 / 598-005: Deep Learning for Computer Vision：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/EECS498-007/
121. Stanford CS231n: CNN for Visual Recognition：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/CS231/
122. Stanford CS224n: Natural Language Processing：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/CS224n/
123. Stanford CS224w: Machine Learning with Graphs：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/CS224w/
124. UCB CS285: Deep Reinforcement Learning：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/CS285/
125. 学习路线图：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/roadmap/
126. MIT 6.S184: Generative AI with Stochastic Differential Equations：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/MIT6.S184/
127. CMU 11-868: Large Language Model System：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/CMU11-868/
128. CMU 11-667: Large Language Models: Methods and Applications：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/CMU11-667/
129. CMU 11-711: Advanced Natural Language Processing：https://csdiy.wiki/%E6%B7%B1%E5%BA%A6%E7%94%9F%E6%88%90%E6%A8%A1%E5%9E%8B/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/CMU11-711/
130. 学习路线图：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%9B%E9%98%B6/roadmap/
131. CMU 10-708: Probabilistic Graphical Models：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%9B%E9%98%B6/CMU10-708/
132. Columbia STAT 8201: Deep Generative Models：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%9B%E9%98%B6/STAT8201/
133. U Toronto STA 4273 Winter 2021: Minimizing Expectations：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%9B%E9%98%B6/STA4273/
134. Stanford STATS214 / CS229M: Machine Learning Theory：https://csdiy.wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%BF%9B%E9%98%B6/CS229M/
135. 后记：https://csdiy.wiki/%E5%90%8E%E8%AE%B0/

1. 环境
- 使用支持 PDF 的现代浏览器。创建个人笔记目录；本课程阅读不需要安装 Bash、Python 或 GPU。
- 按每课链接打开官方材料；需要学校登录的内容保留链接并标注访问限制，不把无法读取的材料写成已准备。
- 目录中的 135 项是官方导航，不是必须修完的 135 门课；从入门页按目标选一条路径，外链课程各自准备工具和核对许可。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表与材料：只记录链接 https://csdiy.wiki/（仅保存链接；未确认统一下载许可，不批量复制课件或视频。）
3. 目录（最外层放在我确认的位置）
cs-self-learning-guide/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    ├── 23-lesson-23/
    ├── 24-lesson-24/
    ├── 25-lesson-25/
    ├── 26-lesson-26/
    ├── 27-lesson-27/
    ├── 28-lesson-28/
    ├── 29-lesson-29/
    ├── 30-lesson-30/
    ├── 31-lesson-31/
    ├── 32-lesson-32/
    ├── 33-lesson-33/
    ├── 34-lesson-34/
    ├── 35-lesson-35/
    ├── 36-lesson-36/
    ├── 37-lesson-37/
    ├── 38-lesson-38/
    ├── 39-lesson-39/
    ├── 40-lesson-40/
    ├── 41-lesson-41/
    ├── 42-lesson-42/
    ├── 43-lesson-43/
    ├── 44-lesson-44/
    ├── 45-lesson-45/
    ├── 46-lesson-46/
    ├── 47-lesson-47/
    ├── 48-lesson-48/
    ├── 49-lesson-49/
    ├── 50-lesson-50/
    ├── 51-lesson-51/
    ├── 52-lesson-52/
    ├── 53-lesson-53/
    ├── 54-lesson-54/
    ├── 55-lesson-55/
    ├── 56-lesson-56/
    ├── 57-lesson-57/
    ├── 58-lesson-58/
    ├── 59-lesson-59/
    ├── 60-lesson-60/
    ├── 61-lesson-61/
    ├── 62-lesson-62/
    ├── 63-lesson-63/
    ├── 64-lesson-64/
    ├── 65-lesson-65/
    ├── 66-lesson-66/
    ├── 67-lesson-67/
    ├── 68-lesson-68/
    ├── 69-lesson-69/
    ├── 70-lesson-70/
    ├── 71-lesson-71/
    ├── 72-lesson-72/
    ├── 73-lesson-73/
    ├── 74-lesson-74/
    ├── 75-lesson-75/
    ├── 76-lesson-76/
    ├── 77-lesson-77/
    ├── 78-lesson-78/
    ├── 79-lesson-79/
    ├── 80-lesson-80/
    ├── 81-lesson-81/
    ├── 82-lesson-82/
    ├── 83-lesson-83/
    ├── 84-lesson-84/
    ├── 85-lesson-85/
    ├── 86-lesson-86/
    ├── 87-lesson-87/
    ├── 88-lesson-88/
    ├── 89-lesson-89/
    ├── 90-lesson-90/
    ├── 91-lesson-91/
    ├── 92-lesson-92/
    ├── 93-lesson-93/
    ├── 94-lesson-94/
    ├── 95-lesson-95/
    ├── 96-lesson-96/
    ├── 97-lesson-97/
    ├── 98-lesson-98/
    ├── 99-lesson-99/
    ├── 100-lesson-100/
    ├── 101-lesson-101/
    ├── 102-lesson-102/
    ├── 103-lesson-103/
    ├── 104-lesson-104/
    ├── 105-lesson-105/
    ├── 106-lesson-106/
    ├── 107-lesson-107/
    ├── 108-lesson-108/
    ├── 109-lesson-109/
    ├── 110-lesson-110/
    ├── 111-lesson-111/
    ├── 112-lesson-112/
    ├── 113-lesson-113/
    ├── 114-lesson-114/
    ├── 115-lesson-115/
    ├── 116-lesson-116/
    ├── 117-lesson-117/
    ├── 118-lesson-118/
    ├── 119-lesson-119/
    ├── 120-lesson-120/
    ├── 121-lesson-121/
    ├── 122-lesson-122/
    ├── 123-lesson-123/
    ├── 124-lesson-124/
    ├── 125-lesson-125/
    ├── 126-lesson-126/
    ├── 127-lesson-127/
    ├── 128-lesson-128/
    ├── 129-lesson-129/
    ├── 130-lesson-130/
    ├── 131-lesson-131/
    ├── 132-lesson-132/
    ├── 133-lesson-133/
    ├── 134-lesson-134/
    └── 135-lesson-135/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 人工检查：打开第一课链接，阅读标题并保存一条自己的学习笔记。  → 官方材料可读，笔记可重新打开；此为人工检查，不作为 shell 命令执行。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。