本规划为从零基础到进阶的完整 AI 学习路线,建议按阶段循序渐进学习。
第一阶段:Python 编程基础(4-6 周)
**目标:**打好编程底子,能独立写脚本
| 周次 | 内容 | 学习资源 |
|---|---|---|
| 1-2 | Python 基础语法、数据类型、控制流 | 《Python 编程:从入门到实践》 |
| 3-4 | 函数、面向对象、文件操作、异常处理 | 官方文档 + 练习项目 |
| 5-6 | 常用库:NumPy、Pandas、Matplotlib | Kaggle Learn、B 站教程 |
实践项目:
- 数据分析:分析 CSV 销售数据,生成报表
- 小游戏:猜数字、2048
第二阶段:数学与算法基础(3-4 周)
**目标:**理解 AI 背后的数学原理
| 主题 | 重点内容 | 学习建议 |
|---|---|---|
| 线性代数 | 矩阵运算、向量空间 | 3Blue1Brown 视频(可视化) |
| 概率统计 | 条件概率、分布、假设检验 | 可汗学院 |
| 微积分 | 导数、梯度、链式法则 | 了解即可,不用深入证明 |
| 机器学习算法 | 线性回归、决策树、KNN | 吴恩达《机器学习》课程 |
推荐资源:
- 吴恩达 Coursera《Machine Learning》(中文字幕)
- 《统计学习方法》李航(经典中文书)
第三阶段:机器学习实战(6-8 周)
**目标:**能独立完成 ML 项目
核心技能:
- 监督学习:分类、回归
- 无监督学习:聚类、降维
- 模型评估:准确率、召回率、F1、交叉验证
- 特征工程:数据清洗、特征选择
推荐框架学习顺序:
- Scikit-learn(必学,传统 ML)
- XGBoost/LightGBM(竞赛神器)
- TensorFlow 或 PyTorch(选其一)
实践项目:
- 房价预测(回归)
- 手写数字识别(分类)
- 客户分群(聚类)
第四阶段:深度学习(8-10 周)
**目标:**理解神经网络,能调模型

