把微服务治理与神经网络工程放进同一条增长曲线
Cloud Neural Academy 用 25 个静态页面，把 Spring Cloud 架构能力、Python 神经网络训练、模型服务化与 Java 调用链路组织成一套企业级学习体验。
从课堂知识走向企业级智能服务链路
最终目标不是记住零散配置，而是能解释并搭建一条完整链路：浏览器请求进入网关，Java 服务聚合业务特征，Python 模型服务返回推理结果，监控系统追踪延迟、降级与模型质量。
课程索引
搜索关键词可以快速定位页面，例如 Gateway、PyTorch、熔断、模型服务。
从微服务基础到网关、配置、容错与可观测性。
每个主题都用企业级工程视角组织：先理解系统价值，再落到配置、代码、监控和实战练习。
Spring Cloud 全景
理解 Spring Cloud 在微服务体系中的位置，掌握学习路线。
02服务注册与发现
学习 Eureka、Consul 或 Nacos 的核心思想，以及服务如何被发现。
03配置中心
集中管理配置，减少多环境发布时的人工错误。
04Spring Cloud Gateway
用统一入口处理路由、鉴权、限流和跨域。
05OpenFeign 服务调用
用声明式 HTTP 客户端降低服务间调用代码量。
06负载均衡
理解客户端负载均衡与服务实例选择策略。
07熔断、限流与降级
用 Resilience4j 思维保护系统免受级联故障影响。
08日志、指标与链路追踪
建立定位问题所需的可观测性体系。
09微服务安全
理解认证、授权、服务间调用安全与密钥管理。
10部署与发布策略
从本地运行走向容器化、灰度发布和回滚。
用 NumPy、PyTorch 和工程化方法理解神经网络。
每个主题都用企业级工程视角组织：先理解系统价值，再落到配置、代码、监控和实战练习。
Python 机器学习环境
搭建可复现的 Python、虚拟环境和依赖管理基础。
12NumPy 与张量基础
理解数组、广播、矩阵乘法和形状检查。
13感知机与线性模型
从最简单的神经元理解加权求和与激活函数。
14激活函数
比较 ReLU、Sigmoid、Tanh 和 Softmax 的用途。
15损失函数与梯度
理解模型如何通过损失函数知道自己错在哪里。
16反向传播
用链式法则理解多层网络如何更新参数。
17PyTorch 构建神经网络
使用 nn.Module 定义模型并完成前向计算。
18训练循环
掌握前向传播、计算损失、反向传播和参数更新。
19卷积神经网络
了解卷积层如何提取图像局部特征。
20模型评估
用准确率、召回率、F1 和混淆矩阵观察模型表现。
把微服务与模型服务整合成可运行的智能应用。
每个主题都用企业级工程视角组织：先理解系统价值，再落到配置、代码、监控和实战练习。