AI 学习资料怎么选？从零基础到能上手项目的路线

学 AI 的人分两种：一种是收藏了 500G 资料没打开过的，一种是三个月做出第一个项目的。区别不在智商，在路线是否最短。

四阶段路线

1. 数学补课（2-4 周，别深挖）

只要三块：线代（矩阵运算、特征值）、概率（分布、贝叶斯）、微积分（求导、梯度）。看 3Blue1Brown 的直觉向视频入门，够用就停，遇到不懂的回来补。

2. Python + 机器学习基础（4-6 周）

Python 基础 → NumPy/Pandas → 吴恩达 Machine Learning 课程（经典中的经典）→ 用 scikit-learn 把回归、分类、聚类各做一个小例子。

3. 深度学习（6-8 周）

框架二选一：PyTorch（推荐，社区活跃）。跟一门系统课（李沐《动手学深度学习》免费且中文友好），从 MLP 到 CNN 到 Transformer，每个都跑通代码。

4. 项目驱动（持续）

Kaggle 入门赛、复现一篇论文、做一个自己的小应用。简历上项目 > 证书。

资料选择的唯一原则

每个阶段只用一份主资料，看完换下一阶段。资料囤积是拖延症的伪装。

AI 学 AI

学不动的时候，把教材截图按 Alt+Q 问 AI——公式看不懂、代码报错，都是截图问答最擅长的场景。免费 3 次先试试。