【资源】AI 学习路线图：从零基础到入门实战（附资源清单）

admin

一、学习路线总览

1. 数学基础：线性代数、概率统计、微积分（够用即可，不需要啃完大部头）
2. Python 编程：语法、NumPy/Pandas、数据可视化
3. 机器学习经典：监督/无监督学习、模型评估、过拟合
4. 深度学习：神经网络、反向传播、CNN/RNN/Transformer
5. 大模型时代：Prompt 工程、微调（LoRA）、RAG、Agent、部署推理

二、免费资源清单

- 课程：吴恩达《Machine Learning》/《Deep Learning Specialization》（Coursera 可旁听）
- 课程：李宏毅《机器学习》（B站有完整搬运，中文友好）
- 动画科普：3Blue1Brown 神经网络系列（B站官方中字）
- 动手实践：Kaggle 入门赛、Hugging Face 学习库
- 论文精读：本社区《Attention Is All You Need》科普视频帖
- 本地部署：Ollama + Qwen/Llama 开源模型（详见「硬核折腾」板块）

三、学习建议

- 边学边做，每学一个概念立刻写代码验证
- 善用 AI 辅助学习：让大模型给你出题、讲错题
- 在「AI 入门学习」板块提问，大佬在线解答

（本文由社区整理，仅供学习交流，版权归原作者所有）