本课程带你从零跑通 AI 预测物理/数学公式的实战框架，并集中攻克 Python 科学计算环境中最常见的安装与编译难题。第1课时从 GitHub 项目获取、中文目录整理、Conda 环境创建、VS Code 内核与终端切换讲起，完成 GPU 版 PyTorch、图形与 LaTeX 等依赖安装，再进入量纲配置、Demo 训练、GPU 加速检查和图表/PDF 报告解读。第2课时则面向 Windows 下 PyGraphviz/Graphviz 安装失败场景，讲清 Path、CMake、C/C++ 编译链接、头文件与库路径，以及 pip 构建失败后的手动编译和本地安装。 适合想入门 AI for Science、物理/数学公式发现，或正被 Python 依赖、GPU 环境、可视化库安装卡住的同学。学完后，你不仅能独立复现项目、按报错补依赖、读懂 R²/误差与训练输出，还能掌握一套可迁移的环境配置和编译排错方法。