1、前言

本篇文章，主要是为了给大家一个学习AI的学习路线。目前网络上有很多的网络资源，但是很多人都是东捡一集，西捡一集，导致学习体系不完备，加上学习资源的质量参差不齐。最终总是遇到各种各样奇怪的问题。所以，本篇文章，我将跟大家说一下，从零基础，该如何学习。

视频：【一个视频教会你该如何去学习人工智能！-哔哩哔哩】

2、学习路线（前置知识）

2.1、数学基础（不需要绝对优秀）

要求学过高等数学、线性代数、概率论与数理统计（期末考简单能过就行，不需要绝对优化的数学能力）

为什么我要把这个放在第一，因为没有数学基础，你已经没有继续下去的必要了。可能你会说，时间已经过去去这么久了，早就已经忘了这些数学知识。这没问题，要知道，”忘了“和”不会“不是一回事。

可以的话，最好可以找一些知识复习课（如期末考试复习），回忆一下。当燃了，你也可以直接进行下一步，可以边学习，边复习。

2.2、Python编码语言

有了数学基础，第一件事儿，就是学习编程。那么该选择怎么样的编程语言呢？一般情况下，我们会选择Python（在很多的论文，几乎都是给Python源代码），我们要求，你必须能看懂Python代码。

当燃了，你只需要掌握Python即可，不需要你玩得炉火纯青，你甚至去速成都可以。 在学习的时候，最好学一个库的使用——numpy，因为很多的教程不会教这个库

可以的话，最好去找一些名为Python数据分析的课程学习。既能教Python语法，又能教数据分析的那种

2.3、机器学习

对于人工智能，以目前的形式来看，几乎都是以神经网络为基础（不包含全部）。现在的各种主流的AI，几乎都是建立在深度学习的基础上。而深度学习，是机器学习的一个重要分支

既然深度学习是机器学习的分支，为什么我们还需要学习机器学习呢？

首先，很多时候，我们认识深度学习是从机器学习的分离出来的，它自成了一个体系。但是，归根究底，深度学习的整个架构，其实与机器学习无异。因此，从头学习机器学习，可以逐步过渡到深度学习，这是一个积累的过程。可以让你学习到为什么需要深度学习？为什么深度学习的体系是这样等等。

值得注意的是，机器学习几乎都是各种各样的数学推导，从学习的过程中，可以复习和巩固你的数学基础。此时你可能会问，那我不想知道这么多为什么，是不是就不需要学习机器学习了呢？

答案是否定的，因为现在的AI发展历程。其实就是机器学习与深度学习相融合（此处从深度学习被分离出来的角度看问题）的时代。如果你有了机器学习的基础，未来你在学习深度学习的时候，不但可以很容易看懂各种各样的算法模型，还可以从深层去理解这一过程。甚至会大大放大你的创造空间，让你有朝一日，创造出属于自己的模型。

对于机器学习，可以推荐一本书——李航：《统计学习方法》（按照书的内容，在网上找资源学习，以下UP主所讲的机器学习，就是按照《统计学习方法》讲的）

当燃了，你要是真的不想学机器学习，其实也是可以的。只是未来你可能会受制于人，什么核心技术可能都要依赖别人讲，你才能明白。如果你没有什么追求，可以不学习这个

3、学习路线（入门）

【复旦大学计算机学院研究生课程《神经网络与深度学习》】

【PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】

【李沐【动手学深度学习v2】

【斯坦福大学】深度学习（上）（全192讲）吴恩达】

3.1、神经网络

在这个阶段，你需要学习，**神经网络、损失函数、激活函数、梯度下降算法 **等等

你会学习到神经网络是什么，为什么是神经网络，然后如何优化训练模型，并且如何用代码去实现。

3.2、全连接神经网络和框架

在这里，你需要学习一个普遍的全连接神经网络的大致摸样。然后学习Pytorch或tensorflow（一种网络模型的构造框架）。学习这两个库的时候，需要动手实现一下全连接神经网络（比如手写数字分类实现）

3.3、卷积神经网络和循环神经网络

这两个其实已经算是模型算法。之所以要在这里学习，就是为了掌握一般模型构造的过程。

这两个网络的思想在后续都会用到。因此，需要在这里掌握

4、学习路线（进阶）

4.1、论文

在这个阶段，你需要选择一个方向，比如你要做计算机视觉还是自然语言处理等等。然后从最简单的论文开始学习（深度学习的技术迭代很快，你必须要掌握如何阅读并理解论文的内容）。

在这个阶段，其实如果你有机器学习的基础，你已经可以阅读一些简单的模型论文。比如LSTM、GRU、GAN等等。

但是，你最好不要自己去看，可以先看别人如何看论文。先看别人讲这些模型的原理，然后自己去看一遍对应论文。这样看了两三篇论文之后，此时你就可以直到论文的一般模式了

于是，慢慢的，你就具备了独自阅读论文的能力。

但是，你不能马上去看那些最前沿的。比如现在时间是2024年，我就看2024年的论文。此时给你看你也看不懂。因为这篇2024年的论文，也许和10年前的论文有关。

你必须要一点点去看各种论文，学习各种各样的模型论文。学习到各种各样的东西。

比如，如果你要学习生成模型，就要一点点学习，从最容易的GAN开始，然后慢慢学习它的变种。后续在其他论文可能会引用这些变种的内容

所以，你看到我现在的教学内容，其实就是各种各样的模型。理论上，你当然可以自己去阅读论文。但如果你想要快速的整合这几年的知识点，直接自己埋头看论文显得有些浪费时间。

因此，我做的视频博文，其实就是模型知识点的压缩，有助于你快速获取近些年的知识。掌握了这些知识后，你就可以去看那些最前沿的论文。比如今年2024的

5、结束

好了，这就是本篇文章的全部内容了。如有问题，还望指出，谢谢大家