AI 入门到精通 00 · 导读与学习路线
〇、这套系列是什么 一份面向**完全零基础**的 AI 学习路线图，目标是把你从「听过 ChatGPT」带到「能独立训练模型 / 写 Agent / 跟进前沿论文」。 怎么用这份路线 顺序**：00 → 10 是推荐路径，但不是硬性顺序。如果你已经有编程或数学基础，可以跳过对应章节。 节奏**：全职学习 6-9 个月可…
AI入门到精通系列
11 篇
AI 入门到精通 01 · 数学基础
"搞 AI 不需要数学" 是销售给你的安慰剂。**调 API 不需要数学，做 AI 需要**。 但你不需要数学博士的水平，只需要"看到论文里的公式不慌、能推一个 backprop"的水平。 一、需要学什么、学到什么程度 按重要性 / 实用度排序： | 模块 | 重要性 | 必须掌握的核心 | | --- | --- |…
AI 入门到精通 02 · 编程能力
数学告诉你"该算什么"，代码决定"算得多快、跑不跑得起来"。 AI 圈的工程能力鸿沟比算法鸿沟更大：很多算法不错的人因为代码差落地不了。 一、需要掌握的栈 | 层级 | 必备 | 推荐熟练度 | | --- | --- | --- | | **语言** | Python | 熟练（能写复杂工程） | | **科学计算*…
AI 入门到精通 03 · 机器学习基础
现在大家都在搞 LLM，但**经典 ML 是地基**。不懂偏差方差、过拟合、特征工程，去玩深度学习只会是「炼丹」式的瞎试。 一、ML 的全景与术语 监督学习**：有标签。分类（离散）+ 回归（连续）。 无监督学习**：无标签。聚类、降维、密度估计。 半监督 / 自监督**：少量 / 无标签 → 自己造监督信号（**LL…
AI 入门到精通 04 · 深度学习基础
深度学习 = 用神经网络做 ML，外加一套独特的训练 trick。 你看到的所有 SOTA（GPT、Sora、AlphaFold）都建立在本章的基础上。 一、神经网络的"黑盒"打开 神经元** = 线性变换 + 非线性激活：`y = σ(Wx + b)`。 多层感知机 (MLP)** = 多个神经元堆叠 → 能逼近任何…
AI 入门到精通 05 · 大语言模型 (LLM)
当前 AI 浪潮的中心。GPT / Claude / Gemini / Qwen / DeepSeek / Llama —— 看似五花八门，本质是同一个范式：**Decoder-only Transformer + Scale + 后训练对齐**。 一、LLM 的"三板斧"范式 理解这三步及其在过去两年的演化（特别是 …
AI 入门到精通 06 · AI 训练实战
学校教你 "怎么写模型"，工业界要你 "怎么把训练跑稳跑快跑出效果"。 90% 的工程师卡在这一章 —— 论文复现不了、loss 训不动、显存爆了、几张卡跑不起来。 一、训练一个模型涉及哪些事 每一环都能写一本书。本章给你"先跑通、再调优"的完整路径。 二、知识点 2.1 数据工程（决定上限） 数据采集**：自有日志、…
AI 入门到精通 07 · AI 推理与部署
训练只决定模型上限，**推理决定模型能不能被用户用上**。 工业界 80% 的算力账单花在推理而不是训练。 一、推理工程的目标矩阵 | 维度 | 含义 | 优化对象 | | --- | --- | --- | | **Latency (TTFT / TPOT)** | 首 token 延迟 / 每 token 延迟 |…
AI 入门到精通 08 · AI Agent
2024-2026 的最大叙事：从「LLM 回答问题」到「LLM 自主完成任务」。 Agent = LLM + 工具 + 记忆 + 规划 + 反馈循环。 一、什么是 Agent（避免概念膨胀） Anthropic 的简洁定义最实用： Workflow**：人写好步骤，LLM 执行某些环节。可控性高、能力上限低。 Age…
AI 入门到精通 09 · 多模态与生成
LLM 让机器能听懂；多模态让机器能看见、能创造。 这一章覆盖：理解（看图看视频）+ 生成（图、视频、音频）+ 端到端多模态。 一、地图 主流路线： CLIP 系**：对比学习，把图文对齐到同一空间。理解、检索、引导生成都靠它。 VLM (视觉语言模型)**：图像 / 视频 token 化后塞进 LLM。代表：Qwen…
AI 入门到精通 10 · 前沿方向
走到这章意味着你已经能看懂论文、训得动模型、写得了 Agent。 下面是 2025-2026 最值得跟进的几条前沿主线 —— 选 1-2 条深耕，比啥都追要好。 一、推理与思考增强 (Reasoning Models) 最热的主线，从 OpenAI o1 → DeepSeek-R1 → o3 → Gemini 2.5 …