说实话，我学AI的起点挺低的。
两年前我还在做运营，每天跟Excel打交道。第一次听说Transformer的时候，我以为是变形金刚的电影。第一次看论文，密密麻麻的公式让我直接关了PDF。
后来我开始在B站刷视频，从最基础的Python语法，到现在能独立跑大模型微调。没有报过任何付费班，全靠B站上的免费资源。
今天把我这两年的学习路径整理出来，希望能帮到跟我一样从零开始的人。
第一阶段：Python，够用就行
很多人卡在Python上，其实AI开发对Python的要求没那么高。不需要精通装饰器、元类那些高级特性，能看懂代码、会调包就行。
推荐：小甲鱼《零基础入门学习Python》
小甲鱼讲课自带相声属性，我印象最深的是他讲循环的时候，用"打地鼠"做比喻，一下就懂了。这门课播放量快两百万了，评论区里很多转行的人打卡。
https://www.bilibili.com/video/BV1Fs411A7HZ
建议：看到"面向对象"就可以停了，后面的爬虫、游戏开发跟AI关系不大。不要恋战，两周内搞定。
第二阶段：机器学习，别只看不动手
机器学习是AI的基石，但光看视频不动手等于白学。我推荐两个风格完全不同的课程，你可以二选一，也可以都看。
吴恩达《机器学习》
经典中的经典，学术地位不用多说。他的课像大学课堂，推导公式、讲原理，适合能静下心做笔记的人。我第一遍刷的时候确实睡着过，但坚持刷完，底子打得特别牢。
视频地址：
https://www.bilibili.com/video/BV164411b7dx
李宏毅《机器学习》
台湾大学的老师，讲课像脱口秀。"梯度下降就像闭着眼睛滚下山"，这种比喻我记到现在。他的课更适合注意力容易分散的人，我有时候刷他的课纯粹是为了解压。
https://www.bilibili.com/video/BV1Wv411h7kN
我的建议：时间紧选李宏毅，想打基础选吴恩达。两个都看的话，先看吴恩达再看李宏毅，顺序别反了。
第三阶段：深度学习，必须敲代码
看完机器学习理论，如果不敲代码，很快就忘了。我强烈推荐李沐的《动手学深度学习》。
李沐是亚马逊首席科学家，斯坦福博士。他这门课最大的特点是每一节都有代码，不是PPT念稿，而是打开Jupyter Notebook一行行敲。我跟着敲完CNN那章，第一次跑通图像分类的时候，确实有点激动。
https://b23.tv/9ziqsbj
配套资源：网上搜"动手学深度学习"，有开源教材和代码仓库，建议视频+教材一起看。
第四阶段：大模型，现在的主战场
2025年还在学传统机器学习，有点像2020年还在学Flash。现在的机会都在大模型（LLM）上。但B站上讲大模型的视频鱼龙混杂，很多是营销号蹭热度。我筛选后推荐这几个：
李宏毅《生成式AI导论 2025》
李宏毅去年更新的LLM专题，从Transformer讲到DeepSeek，包括预训练、微调、RLHF。他讲RLHF（人类反馈强化学习）那章，是我看过最通俗的版本，没有之一。
https://www.bilibili.com/video/BV1SLQ7BoEKw
数学基础，可以后补但不能不补
很多人问我：线性代数、概率论要不要先学？
我的答案是：可以后补，但不能不补。
等你跑通几个项目之后，回头看数学，会有一种"原来如此"的感觉。那时候补，效率最高。
MIT Gilbert Strang《线性代数》
这老头讲课像讲故事，"矩阵乘法就是线性变换的组合"。B站有中文字幕，英文不好也能跟。
https://www.bilibili.com/video/BV1at411d79w
计算机基础
Crash Course《计算机科学速成课》
内容覆盖面非常广，从底层的布尔逻辑、硬件原理，到黑客技术，再到热门的CV、NLP。每集10分钟左右，适合碎片化学习，还能顺便练英语。
https://www.bilibili.com/video/av21376839
清华大学《操作系统》
向勇和陈渝老师授课。虽然我们上不了清华，但至少可以在网上听清华的课。
https://www.bilibili.com/video/BV1Dt4y1E7wJ
框架选择：PyTorch
人生苦短，我用PyTorch。框架这种东西，多用用就好了，跟着视频自己动手试一试，上手很快。
刘二大人《PyTorch深度学习实践》
讲解清晰，案例丰富，适合有一定基础的人。
https://www.bilibili.com/video/BV1Y7411d7Ys
小土堆《PyTorch深度学习快速入门》
对零基础更友好，语速慢，步骤细。
https://www.bilibili.com/video/BV1hE411t7RN
我分享这些是因为我踩过坑，知道自学的痛苦。
但我也想说实话：看视频只是输入，做项目才是输出。你刷完100个小时的视频，不如自己动手搭一个模型。
我的做法是：每看完一个视频，就给自己定一个小项目。比如看完CNN，就做一个识别家里猫主子的模型；看完大模型微调，就做一个自动回复工作邮件的助手。
有输出，才有成长。
我是Jack Linc，我们下期见
