GKLBB

当你经历了暴风雨，你也就成为了暴风雨

导航

软件研发 --- 应知应会 之 AI 学习完整路线

 

🗺️ 总体学习路线图

plain
编程基础 → 数学基础 → 机器学习 → 深度学习 → AI 理论全景
                                              ↓
                    专业方向（CV / NLP / RL）→ 大模型与生成式 AI → 工程与研究
 

阶段一：编程基础

目标：能独立写 Python 程序并处理数据
表格
优先级书目说明
⭐⭐⭐ 《Python Crash Course》第三版 零基础首选，实践导向（同《Python编程：从入门到实践》）
⭐⭐⭐ 《Python Data Science Handbook》 学习 NumPy、Pandas、Matplotlib（同《利用Python进行数据分析》）
完成标准：读写 CSV、绘制图表、NumPy 矩阵运算、Pandas 数据清洗、完成一个小项目。

阶段二：数学基础

目标：掌握 AI 所需的线性代数、概率、微积分与优化
表格
优先级书目说明
⭐⭐⭐ 《Mathematics for Machine Learning》 专为 ML 设计的数学书，覆盖线性代数、微积分、概率、优化
⭐⭐⭐ 《线性代数及其应用》 (David C. Lay) 矩阵与向量空间，AI 基石
⭐⭐⭐ 《概率论与数理统计》 (茆诗松/陈希孺) 概率、分布、贝叶斯推断
⭐⭐ 《微积分》 (Stewart/同济) 导数、梯度、优化基础
⭐⭐ 《最优化：建模、算法与理论》 (刘浩洋等) 凸优化、梯度下降、拉格朗日
⭐⭐ 《统计学习方法》 (李航) 统计学习理论入门，中文经典

阶段三：机器学习

目标：理解模型如何从数据中学习，掌握核心算法与评估方法
表格
优先级书目说明
⭐⭐⭐ 《Hands-On Machine Learning》第三版 核心主教材，Scikit-Learn + TensorFlow，理论与代码结合
⭐⭐⭐ 《机器学习》 (周志华，西瓜书) 中文 ML 圣经，理论全面
⭐⭐⭐ 《统计学习方法》第2版 (李航) 公式推导详细，适合深入
⭐⭐ 《An Introduction to Statistical Learning》 统计学习思想，数学适中
⭐⭐ 《机器学习实战》 (Aurélien Géron) 工程实践导向（Hands-On 中文版）
⭐ 《Pattern Recognition and Machine Learning》 (Bishop) 英文经典，数学严谨
⭐ 《The Elements of Statistical Learning》 (Hastie 等) 统计学习"圣经"，偏数学理论
核心概念：训练/验证/测试集、过拟合与欠拟合、线性/逻辑回归、决策树、随机森林、SVM、聚类降维、评估指标（准确率、召回率、F1、AUC）。

阶段四：深度学习

目标：理解神经网络训练原理，掌握 PyTorch/Keras
表格
优先级书目说明
⭐⭐⭐ 《动手学深度学习》 (李沐/Aston Zhang) 强烈推荐，代码+理论，免费在线，PyTorch 实战
⭐⭐⭐ 《Deep Learning with Python》第二版 深度学习入门首选，Keras 实践
⭐⭐ 《深度学习》 (Goodfellow 等，花书) DL 领域最权威理论教材
⭐⭐ 《Dive into Deep Learning》 英文版动手学深度学习，持续更新
⭐⭐ 《神经网络与深度学习》 (邱锡鹏) 中文优质教材，结构清晰
⭐⭐ 《深度学习入门》 (斋藤康毅) 从零手写神经网络，非常易懂
核心概念：反向传播、梯度下降、激活/损失函数、BatchNorm、Dropout、CNN、RNN、LSTM、Attention、Transformer。

阶段五：AI 理论全景

目标：建立完整的 AI 知识框架（搜索、规划、推理、多智能体等）
表格
优先级书目说明
⭐⭐ 《Artificial Intelligence: A Modern Approach》第四版 (Russell & Norvig) AI 总纲，覆盖搜索、规划、逻辑、概率、NLP、机器人、因果推理、AI 安全
⚠️ 建议：完成阶段三、四后再读，作为总纲和查阅工具，而非通读。

阶段六：专业方向（按需选择）

🗣️ 自然语言处理（NLP）

表格
优先级书目说明
⭐⭐⭐ 《Speech and Language Processing》 (Jurafsky & Martin) NLP 领域标准教材（第3版 Draft 免费）
⭐⭐⭐ 《Natural Language Processing with Transformers》 Transformer 工程实践
⭐⭐ 《自然语言处理入门》 (何晗) 中文 NLP 实践
⭐⭐ 《Transformers 自然语言处理实战》 了解 BERT、GPT 架构
学习内容：词向量、语言模型、BERT、GPT、文本分类、问答系统。

👁️ 计算机视觉（CV）

表格
优先级书目说明
⭐⭐ 《Computer Vision: Algorithms and Applications》 (Szeliski) 系统覆盖 CV 经典
⭐⭐ 《Deep Learning for Vision Systems》 深度学习视角
⭐⭐ 《深度学习与计算机视觉》 (鲁鹏等) 中文入门
⭐ 《OpenCV 计算机视觉编程攻略》 图像处理实战
学习内容：图像分类、目标检测、图像分割、Vision Transformer、多模态模型。

🎮 强化学习（RL）

表格
优先级书目说明
⭐⭐⭐ 《Reinforcement Learning: An Introduction》第二版 (Sutton & Barto) RL 领域圣经
⭐⭐ 《动手学强化学习》 (张伟楠等) 中文实践，代码丰富
⭐ 《Reinforcement Learning: State-of-the-Art》 进阶综述
学习内容：MDP、Q-learning、Policy Gradient、PPO、多智能体。

阶段七：大语言模型与生成式 AI

目标：理解 ChatGPT 类模型原理并动手实现
表格
优先级书目/资源说明
⭐⭐⭐ 《Build a Large Language Model From Scratch》 (Sebastian Raschka) 从零实现 GPT，含完整代码
⭐⭐⭐ 《Natural Language Processing with Transformers》 Transformer 工程实践
⭐⭐ 《大语言模型：基础与前沿》 了解 LLM 架构、训练、对齐
⭐⭐ 《动手学大模型》 (李沐团队) 正在更新，关注 B 站/知乎
⭐⭐ Hugging Face 官方文档 & Courses Transformers、PEFT、TRL 库
⭐⭐ 必读论文：Attention Is All You Need、BERT、GPT 系列、LLaMA 原始论文精读
实践项目清单：
  • 用 PyTorch 实现简单 Transformer
  • 训练字符级语言模型
  • 对开源模型进行 LoRA 微调
  • 构建 RAG 问答系统
  • 了解模型量化与部署

阶段八：工程与研究

目标：具备独立做项目或发表论文的能力
表格
优先级书目说明
⭐⭐⭐ 《Designing Machine Learning Systems》 ML 系统设计与工程落地
⭐⭐ 《Machine Learning Engineering》 工程实践
⭐⭐ 《Probabilistic Machine Learning》 概率视角的深度理论
⭐ 《The Elements of Statistical Learning》 统计学习理论基础
核心能力：数据集构建、实验设计、消融实验、误差分析、GPU/分布式训练、论文阅读与写作。

📦 推荐购买顺序（精简版）

表格
顺序书目定位
1 《Python Crash Course》第三版 零基础必读
2 《Hands-On Machine Learning》第三版 核心主教材
3 《Mathematics for Machine Learning》 数学速补
4 《动手学深度学习》 深度学习实战
5 《Deep Learning with Python》第二版 深度学习入门
6 《AI: A Modern Approach》第四版 AI 总纲
7 《Build a Large Language Model From Scratch》 大模型实践
8 《Designing Machine Learning Systems》 工程进阶

💡 核心学习原则

  1. 不要从第一页读到最后一页
    正确方式：读一个主题 → 完成一个小项目 → 回头补数学和理论
  2. 不要只看书
    配合 Kaggle、GitHub 项目实战，读 arXiv 论文，关注 Papers With Code
  1. 看视频补理解
    李沐《动手学深度学习》B 站视频、吴恩达 Coursera 课程
  2. 写代码
    从调包 → 从零实现 → 读源码（PyTorch、Transformers）

🎯 一句话入口判断

表格
你的情况起点
完全不会编程 《Python Crash Course》第三版
会基本 Python 《Hands-On Machine Learning》第三版
想系统覆盖 AI 全景 以《AI: A Modern Approach》作总纲
目标是大模型/LLM 直接跳到阶段四 + 阶段七，边做边补
 

posted on 2026-08-27 19:55  GKLBB  阅读(33)  评论(0)    收藏  举报