Skip to content

plan.md

Latest commit

 

History

History
155 lines (100 loc) · 10.4 KB

plan.md

File metadata and controls

155 lines (100 loc) · 10.4 KB
Raw

CS Helper (KnowitCS) — 路线规划

项目的目标、计划与待办。与 design.md（怎么做）、log.md（做了什么）配套：本文件回答「接下来做什么」。

1. 项目愿景

面向 HKUST COMP2211（Exploring Artificial Intelligence） 的交互式学习网站，用可视化 + 即时反馈帮助学生理解课程中的抽象算法。模块内容以课程讲义 + Lab + 历年试卷三类官方材料为权威依据（见第 3、4 节），目标是作为 moyunxiang/COMP2211 学习笔记的交互式补充，并以 MIT 协议开源供学生学习参考。

2. 现状（Done）

  • ✅ 多页静态站（2026-10-08 起，原为单文件 SPA）：React 19 + Vite 7 + Tailwind 4，每个模块一个 URL，首页为按讲次的课程地图。
  • ✅ 全量 TypeScript（TSX）：核心代码已从 JSX 迁移到严格 TSX，tsc --noEmit 纳入 build 与 typecheck。
  • ✅ 模块化结构：App.tsx 瘦身为 ~209 行外壳（路由 + 布局）；六大模块独立于 src/modules/，通用组件在 src/components/，教学数据集中于 src/data/constants.ts，类型在 src/types.ts。
  • ✅ 三语 i18n（English / 简体 / 繁體），自动检测浏览器语言并记住选择。
  • ✅ 真实 URL（可分享模块 / 笔记链接，旧 Hash 链接自动跳转）、移动端适配、基础无障碍。
  • ✅ 10 个考点实验页（三语，带「自测」填表），覆盖历年试卷反复出现的手算题型。
  • ✅ 17 集讲解视频（/watch/），第 1–11 讲每讲至少一集；另有概念自测（/drill/）、公式表（/formulas/）、考点地图（/papers/）。
  • ✅ 资料包的库实验台（2026-10-08）：matplotlib（新笔记）、PyTorch、Keras、TensorFlow、pandas 笔记旁各有一个可编辑、逐步可视化、可全屏的 Python 沙盒，共 77 个示例（见 design 6.10）。
  • ✅ 六大可视化模块（见下方覆盖表）。
  • ✅ CI 执行构建校验；生产部署改为 ssh pastpaper + OpenResty，目标域名 knowcs.online，不再自动发布 PinMe。
  • ✅ 文档体系：design / log / plan 三件套 + 根目录 CLAUDE.md 索引。

3. 课程覆盖对照表（Coverage Map）

依据 ../lecture/（讲义）与 ../labs/（Lab）——两者按 L1–L11 一一对应。优先补齐尚未覆盖的内容。

讲义 / Lab 主题 对应模块 状态
L1 / Lab1 NumPy & 图像基础（array/切片/broadcast/灰度） NumpyModule ✅ 已覆盖
L2 / Lab2 朴素贝叶斯 BayesBasics + NaiveBayes + Bayes & base rate + Gaussian NB ✅ 已覆盖（含 Gaussian 似然）
L3 / Lab3 KNN KnnModule ✅ 已覆盖
L4 / Lab4 K-Means 聚类 KMeansModule ✅ 已上线（2026-06-07）
L5 / Lab5 人工神经元 / 感知机 Perceptron learning table ✅ 已覆盖（2026-10）
L6 / Lab6 多层感知机 / 反向传播 BackpropModule ✅ 已覆盖（2026-10 重写为可训练的数值版）
L7 / Lab7 图像处理 / 卷积 / 仿射变换 / 数据增强 Kernel + Convolution + Otsu + Affine ✅ 已覆盖（2026-10-08 补仿射与数据增强）
L8 / Lab8 卷积神经网络（池化/特征图） Convolution + CNN shapes ✅ 已覆盖（形状 / 参数 / 填充）
L9 / Lab9 PyTorch（张量/自动求导/训练循环） PyTorch 练习页 + CNN 形状页的 PyTorch 代码 ✅ 已覆盖（2026-10-08）
L10 / Lab10 Minimax + Alpha-Beta 剪枝 AlphaBetaModule ✅ 已上线（2026-06-07）
L11 / Lab11 复习 / 收尾 —（非可视化） n/a

4. 考点与资源对齐（Exam Alignment）

来源：../Pastpaper/（历年期中/期末/Sample + 解答）、../labs/pa/（PA1/PA2）、Pastpaper/COMP2211midterm/HW/review.md（期中复习大纲）。模块的「学长寄语 / 易错点」应直接取材于此，而非凭空编写。

高频考点信号（据 review.md）：期中重点考 Lab2–6 的公式与算法步骤，尤其要求手推 Naïve Bayes 公式与 K-Means 迭代过程——这正是交互可视化最能帮忙的地方，据此抬高 K-Means 与贝叶斯模块的内容优先级。

现有模块需补强的考点：

  • 朴素贝叶斯：补数值特征的 Gaussian 似然（目前仅 categorical + Laplace）；考点强调「分类变量 vs 数值变量处理方式不同」。
  • KNN：讲清向量化距离 ‖x−y‖² = ‖x‖² + ‖y‖² − 2x·y 与标准化必要性。
  • 卷积（Kernel）：Lab7 还考数据增强（crop / flip / rotate / translate / mixup），当前模块仅卷积/边缘检测。
  • 反向传播（Backprop）：Lab5 的单神经元/感知机（sign(w·x+b)、错误驱动更新 δ=y−ŷ、线性可分、[w,b] 合并）是独立考点，与 MLP 区分。

反复出现的跨模块概念（来自 PA1/PA2，暂无模块）：归一化对比（Min-Max vs Z-score）、Data Leakage（统计量只能在训练集上算）、Decision Stump（单特征单阈值二分类）。

5. 进行中（In Progress）

事项 状态 说明
KnowCS Lab：多页布局 + 10 个新模块（2026-10-07） 🟡 待选首页 /lab/ 已上线 10 个模块页与 3 个首页草图（A 课程地图 / B 考点雷达 / C 学习路径）。用户选定首页后：主站改为多页构建、迁入现有 8 个模块、补三语
Alpha-Beta 剪枝模块（L10） ✅ 已集成上线（2026-06-07） module/alphabeta.html / alphabeta_aligned.html 为独立 HTML 沙盒（DFS + α/β 剪枝逐步追踪，含 Tic-Tac-Toe 式博弈树）。下一步：移植为 src/modules/AlphaBetaModule.tsx，接入 Tab 路由与 i18n，按第 8 节落地步骤执行

6. 近期计划（Next）

优先级：P0 最高。

优先级 事项 说明
P0 ✅ Alpha-Beta 模块集成 已完成：src/modules/AlphaBetaModule.tsx + lib/alphabeta.ts + 6 测试，三语 i18n
P0 引入 Vitest + 纯函数单测 模块/数据已拆分到位，为距离、卷积、贝叶斯等派生计算抽出纯函数并补单测，作为后续重构与改数据的安全网
P1 ✅ 新增 K-Means 模块（L4） 已完成：交互选 K、EM 迭代质心动画、Elbow Method、Z-score 标准化（KMeansModule + lib/kmeans.ts + 9 测试）
P1 贝叶斯模块补 Gaussian 似然 让 NaiveBayes 支持数值特征，覆盖 Lab2「分类 vs 数值」考点
P1 i18n 键一致性校验 加脚本校验 en.json / zh.json 键对齐，纳入 lint / CI，防漏翻
P1 ✅ 文档同步 已完成：design.md 按现状重写（2026-10-05）
P2 单神经元 / 感知机模块（L5） 错误驱动更新动画 + 线性可分判定，补 Lab5 考点（与 MLP 区分）
P2 卷积模块扩展（L7 数据增强 / L8 CNN） 在 KernelModule 上补数据增强演示与池化/多层特征图
P2 ✅ KNN 曲线真实化 已完成：留一法误差曲线 looErrorCurve（2026-10-05）

7. 候选模块池（Backlog）

按 COMP2211 讲义/Lab 缺口排序，立项后从中挑选。（K-Means、Gaussian 似然、感知机、卷积扩展、Alpha-Beta 已分别进入第 5/6 节。）

  • L9 PyTorch：张量 / 自动求导计算图与梯度回传可视化 —— 已由 PyTorch 练习页（/pytorch/）与 PyTorch 实验台完成（2026-10-08）
  • KNN 距离函数：KNN 页目前只有欧氏距离；期中考过 Hamming（22F）、余弦（22F、23S）、曼哈顿（24S，13 分），可在 lib/knn.ts 加距离选项与逐行距离表
  • 实验台后续：Keras BatchNormalization、agg([...]) 多重聚合、把讲解视频 / 练习页里的代码块也接到对应实验台
  • 归一化对比小工具：Min-Max vs Z-score 的直观对比 + Data Leakage 提示（贯穿 KNN / K-Means / PA1）
  • Decision Stump：单特征单阈值分类的决策直觉（PA1 天体分类）
  • L11 / 复习：知识点（有监督 vs 无监督）总览与自测式回顾

注：旧版 backlog 中的「决策树 / 逻辑回归 / PCA / 混淆矩阵」不在 COMP2211 讲义/Lab 范围内，已移除以保持与课程对齐；如未来大纲调整再行评估。

8. 新增模块清单（落地步骤）

摘自 design.md 第 11 节，立项后照此执行：

  1. 在 src/modules/ 新建 XxxModule.tsx，状态自管理、派生值用 useMemo；教学数据放入 src/data/constants.ts，相关类型补到 src/types.ts。
  2. 在 App.tsx 的 tabs 数组追加 { id, label, icon, subtitle }。
  3. 在内容区 AnimatePresence 内增加 activeTab === 'xxx' 分支（配 SectionTitle + 模块）。
  4. 在 en.json / zh.json 同步补齐文案键。
  5. 用 SeniorAdvice 收尾，易错点取材于 ../Pastpaper 与 review.md（见第 4 节），给出真实考点提示。
  6. 提交前确保 npm run lint 与 npm run typecheck 均通过。

9. 中长期方向（Later）

  • 内容对齐讲义/Lab：按覆盖表持续补齐缺口（L4 → L5 → L7/L8 → L9），目标是全部可视化型讲义都有交互模块。
  • 考点驱动：以 ../Pastpaper 历年题型反向打磨模块——优先把「手推型」考点（NB 公式、K-Means 迭代、Minimax 树）做成可单步演练的交互。
  • 回流开源：合并进 moyunxiang/COMP2211 作为交互补充，MIT 开源。
  • 工程化：Vitest 落地后，评估补充组件级测试与 CI 测试门禁。
  • 可维护性：教学数据已集中于 src/data/constants.ts，可进一步评估 JSON 化与数据/组件解耦，便于非开发者贡献题目/数据集。

10. Charles补充内容

加入numpy编程模块。现在太少了，你看看pastpaper里面是怎么考python的，你总结一下。

现在那个链式法则太普通了，给我搞个像考试题型的

Naive Bayese优化你直接找一道相关的考题可视化吧

现在这个反向传播程序也不对，太简单，把代码也给展示出来

加入pytorch语法cheatsheet一页，然后对于一些重要的部分加一些可视化

卷积模块 cnn你要展示一下。

完成或调整计划时，请同步更新本文件，并在 log.md 记录对应进展。