医学生自救计划
面向医学生与计算机初学者的开源入门教程。内容覆盖互联网开发、R 语言与生信分析、Python 编程、人工智能的数学基础四条主线，目的是把零散的入门技能组织成一条可执行的成长路线。项目同时是作者的学习日志，持续更新。
站点的代码以 MIT 许可、教程正文以 CC BY-SA 4.0 许可开放，允许包括商业用途在内的使用、修改与再分发。
先确定你的目标
初次进入不必从第一页顺序读起。下面按你可能的目标列出推荐入口，选定一条路线后再进入对应模块。每条路线的链接按建议阅读顺序排列。
只想读懂论文、调用现成模型，并能判断 AI 说得对不对
完全不会编程，想先学会写代码
Python 概述与开发环境准备 → NumPy 数值计算基础 → Pandas 数据分析
需要处理科研数据、做统计分析
R 语言基础 → R 数据清洗与预处理 → R 统计分析 → R 统计与建模
想做生物信息分析
R 语言基础 → 计算机基础初步 → 生物信息资源 → 序列分析与比对 → 转录组学分析
想做医学人工智能
Python 概述与开发环境准备 → 向量与基本运算 → 概率的公理化与条件概率 → 优化问题的语言与分类 → Scikit-learn 基础与估计器
想理解人工智能的数学原理
向量与基本运算 → 概率的公理化与条件概率 → 优化问题的语言与分类 → 基础熵与互信息 → 实数、完备性与极限的语言
想做网站与互联网开发
关于尚在建设的部分
Python 模块中的“医学数据处理专向技能”一层仍在建设中，上面涉及专业技能的部分暂时指向通用的数据科学内容，待该层补齐后再回填。
教程模块
互联网开发
从 HTML、CSS、JavaScript 三大前端核心出发，延伸至后端开发基础。
R 语言与生信分析
R 语言基础与统计建模，以及基因组、转录组、蛋白组等生物信息分析。
Python 编程
核心语法基础，到 NumPy、Pandas、Matplotlib、Seaborn、scikit-learn 组成的数据科学工具链。
人工智能的数学基础
线性代数、概率论与统计推断、最优化、信息论、数学分析五个部分，讲清算法背后的数学。
关于本项目
开源许可：代码采用 MIT 许可，教程正文采用 CC BY-SA 4.0 许可，允许包括商业用途在内的使用、修改与再分发，署名与相同方式共享的要求见 LICENSE。
源码与反馈：项目托管于 GitHub，欢迎通过 Issue 指出错误或提出建议。
交流：QQ 群 965751576。
站点技术：由 VitePress 构建，数学公式经 MathJax 3 渲染，线性代数部分配有 Three.js 交互演示。