01
课后问 AI
从零基础身份出发，让 AI 一次只给一个步骤。
01
这门课怎样学习
Learn after class · Verify in class02
边做边写
把 AI 建议整理进飞书云文档，在本人电脑逐步验证。
03
遇错再问
把真实报错和输出贴回 AI，继续排查并修正文档。
04
课堂验收
共享屏幕展示实验报告、现场复现、接受核验与拷问。
零基础不是扣分项
不要求第一次就完成全部任务。先让 AI 带着你做出第一个可见结果；做不完就把真实卡点写进报告，课堂仍可凭考勤、展示、提问和真实回答获得积分。
02
一条连贯的能力栈
A coherent stack, not a tool buffetSYSTEM
机器 · OS · Linux · Bash · 网络安全
先让电脑环境可理解、可操作、可排错。
CODE
Python · Git · 测试 · 调试
把 AI 生成的一次性片段变成自己能修改的程序。
DATA
NumPy · Polars · API · SQL · Parquet
让金融数据处理可重复，而不是反复手工点选。
MODEL
statsmodels · linearmodels · scikit-learn
区分描述、推断、预测与因果边界。
DELIVERY
JupyterLab · marimo · Agent · 作品
把学习过程沉淀成可复现文档和可展示成果。
03
每周课堂积分
Every contribution can count没有单独的考试周，也没有独立的积分规则页面。以下规则在每一个周页面重复出现，课堂现场按同一口径验收。
考勤
上课提前 5 分钟点名，下课前 5 分钟再点名
出勤 +3迟到 +2早退 +2请假 +1旷课 +0
复现
使用 AI 自学，按照教学大纲完成了每周实验任务
成功复现 +1未能复现 +0
拓展
按照教学大纲完成一项或多项拓展任务
多拓展 +2有拓展 +1无拓展 +0
展示
主动共享屏幕展示复现过程，接受核验与拷问
课堂自愿共享屏幕展示 +3无课堂展示 +0
首讲
每节课堂最先自愿开讲的前 3 人
前 3 人 +1
提问
认真旁听并提出被采纳的好问题
被采纳 +0.5
拷问
面对面随机拷问 · 反空心化闸门
空心代工 −1一知半解 +1融会贯通 +2
双分
仅凭文档课堂现场复现
作者与复现者 都 +1
精选
本周最佳文档
知识库 + 席位 + 署名 + 积分 +3
04
统一起步，自由拓展
Four capstone directionsQuant & Risk
量化与风险
收益、因子、组合与风险度量；强调时间顺序、回测泄漏和统计不确定性。
- Polars/Parquet 数据管线
- 至少一个 statsmodels 或时间序列模型
- 风险—收益可视化
- 无前视偏差说明
Digital Economy
数字经济实证
企业/地区面板与政策问题；强调变量口径、固定效应、聚类标准误和因果语言边界。
- 实体×时间数据质量检查
- 至少一个 PanelOLS 模型
- 描述性与回归证据图
- 识别假设与替代解释
FinTech Risk
金融科技风控
信用/欺诈/运营风险预测；强调无泄漏 Pipeline、类别不平衡、校准和模型风险。
- 可复现特征管线
- 基线 + sklearn 模型
- 阈值/成本与校准
- 一页模型卡
Finance Automation
财务自动化与 Agent
结构化提取、分析自动化与受控工具调用；强调 schema、白名单、审计日志和人工确认。
- 确定性计算核心
- 结构化输入/输出验证
- 只读工具白名单
- 攻击样例与审计日志
05