零基础 AI 学习路线：从 Python 到第一个项目

这条路线适合谁

适合没有编程基础、没有数学基础，但想系统学习 AI 的读者。整条路线以免费资源为主，按每天 2 小时估算，大约需要 4–6 个月走到第一个实战项目。如果你已有编程经验，可以直接从第二阶段开始。

第一阶段：Python 与编程基础（3–4 周）

AI 领域绝大多数工具与教程都使用 Python，先把语言关过了：

• 菜鸟教程 Python3：中文语法速查，适合快速过一遍语法。
• Python 官方教程：权威且免费，适合作为第二遍精读。
• 莫烦 Python 入门教程：视频讲解，中文友好。

学习重点：变量与流程控制、函数、列表与字典、文件读写，以及用 pip 安装包。不需要一上来就啃面向对象高级特性。

第二阶段：数学补课（2–3 周）

不需要成为数学家，但线性代数、概率与统计的基本概念迟早要懂：

• StatQuest 统计学入门：用最直观的方式讲清统计概念，B 站有大量中文字幕搬运。
• 《机器学习数学基础》专项课程（Coursera，Imperial College London）：系统补线性代数与微积分。

第三阶段：机器学习（5–6 周）

• 台大李宏毅《机器学习》课程：中文机器学习入门课的事实标准，风格轻松、覆盖全面。
• scikit-learn 用户指南：边学边练，把回归、分类、聚类亲手跑一遍。
• MIT 6.036 机器学习导论：想挑战英文原版课程时的优选。

第四阶段：深度学习与方向选择（5–6 周）

• PyTorch 官方教程：目前最主流的深度学习框架，从张量操作到训练流程。
• MIT 6.S191 深度学习导论：一周速成式高强度课程，适合建立全局观。
• 之后按兴趣分流：大语言模型方向看本站大语言模型与 RAG 分类，编程工具方向看 AI 编程 分类。

第五阶段：第一个实战项目（3–4 周）

项目是检验学习成果的唯一标准。从模仿开始：

• Project Based Learning 教程合集：按语言与技术栈分类的练手项目清单。
• Kaggle 竞赛平台：从 Titanic 入门赛开始，跟着别人的公开 Notebook 学套路。

给零基础者的三个忠告

1. 不要囤积教程：选定一条线学完，比收藏十门课更有效。
2. 尽早写代码：看懂和能写出来之间隔着几十个小 bug。
3. 接受反复遗忘：概念忘了再查很正常，路线图就是用来回看的。