基石篇—基础概念

深度学习并非空中楼阁，它是线性代数、微积分与现代计算机工程的结晶。对于 R 语言使用者而言，从传统的统计建模跨越到基于张量的深度学习，既是一次工具的升级，更是一场思维的革命。

本部分作为全书的起点，我们将暂且放下复杂的网络架构，专注于最本质的三个问题：

数据如何在计算机中表示。
机器如何通过自动微分理解因果。
以及 R torch 如何在保持 R 语言优雅特性的同时，提供工业级的计算性能。

学习路径：

理解 R 在深度学习时代的定位，以及 torch 如何填补 R 在高性能计算领域的空白。
从 Dataframe 转向 Tensor（张量），掌握高维数据的几何变换与管道构建。
深入 Autograd（自动微分）机制，理解动态计算图是如何将数学公式转化为可训练的代码的。