AI学习完整计划（分4阶段，从零基础到能做项目，周期约6个月）

定位：适合零基础，目标看懂AI原理、会写代码、能独立跑模型、做小项目；如果你只想做AI应用（不用底层算法），可以压缩到3个月。
前置要求：会基础电脑操作；阶段2开始需要Python。

整体路线

基础铺垫 → 机器学习核心 → 深度学习+大模型 → 项目实战+进阶方向
每周建议投入：10–15小时（工作日每天1.5h，周末3–4h）

阶段1：AI前置基础（第1–4周）【重点：数学+Python】

目标：扫清数学和编程障碍，不深究证明，够用就行

第1周：Python基础

学习内容：

• 变量、列表、字典、循环、函数、类基础
• 文件读写、异常处理
• 库的安装：pip
  练习任务：

1. 写简单脚本：数据筛选、批量读取txt/csv
2. 熟悉Jupyter Notebook
   推荐资源：Python官方教程 / 菜鸟Python / B站黑马Python入门
   ✅ 验收：能独立写函数处理表格数据

第2周：Python科学计算库

学习：NumPy（矩阵运算）、Pandas（表格数据）、Matplotlib（绘图）
练习：

• numpy数组加减、矩阵乘法
• pandas读取csv，做数据清洗，绘制折线/直方图
  ✅ 验收：导入一份csv，完成缺失值填充、数据可视化

第3–4周：AI必备数学（不用深挖高数全部内容）

只学AI高频部分：

1. 线性代数：向量、矩阵、转置、逆矩阵、点积、特征值概念
2. 概率论：概率、期望、方差、正态分布、最大似然
3. 微积分：导数、偏导数、梯度（重点理解梯度下降）

不用做复杂证明，理解几何意义即可
练习：手动算简单梯度、矩阵乘法
✅ 验收：看懂梯度下降是什么，知道向量、矩阵运算规则

可选：数学弱可以延长到6周，不要跳过，后面机器学习会很吃力

阶段2：传统机器学习（第5–10周，共6周）

目标：掌握经典ML算法，理解模型训练、评估流程，会用sklearn

第5周：机器学习基础概念

核心知识点：

• 训练集/验证集/测试集
• 过拟合、欠拟合
• 偏差、方差
• 特征工程：归一化、标准化、缺失值处理、特征编码
• 损失函数、优化器
  任务：划分数据集，做特征预处理

第6周：回归算法

• 线性回归、逻辑回归
  原理 + sklearn代码实现
  练习项目：房价预测（回归）、二分类疾病预测

第7周：树模型 & 集成学习（工业最常用）

决策树、随机森林、XGBoost、LightGBM
理解：基尼系数、信息熵、bagging、boosting
练习：泰坦尼克号生存预测

第8周：聚类 & 降维

K-Means、DBSCAN、PCA降维
练习：客户分群，高维数据可视化

第9周：模型评估

指标：准确率、召回率、F1、ROC-AUC
交叉验证、网格搜索调参
练习：对之前项目做模型调优，对比不同模型效果

第10周：阶段综合项目

自选：

1. 学生成绩预测
2. 电商用户购买预测
   交付：完整jupyter代码 + 分析报告
   ✅ 阶段验收：拿到一份原始数据，独立完成清洗→建模→评估

工具：scikit-learn

阶段3：深度学习 + 大模型（第11–20周，共10周）

框架选择：优先PyTorch（学术界、大模型主流），TensorFlow可选

第11–12周：深度学习基础 & PyTorch入门

知识点：

• 神经网络基础：神经元、激活函数、前向传播、反向传播
• 权重初始化、学习率、batch、epoch
• PyTorch张量、Dataset、DataLoader
  练习：手写简单全连接网络，识别MNIST手写数字

第13–14周：CNN卷积神经网络（图像AI）

卷积、池化、padding；经典网络：LeNet、ResNet
练习：图片分类（猫狗分类）

第15–16周：序列模型 + Transformer基础

RNN/LSTM → Transformer（重点！大模型核心）
理解：自注意力机制、位置编码

不需要手推全部公式，重点理解自注意力作用

第17–20周：大模型应用开发（LLM，当下最实用方向）

核心内容

1. Token、Embedding、上下文窗口
2. Prompt工程（提示词优化）
3. RAG检索增强生成（最常用落地方案）
4. 微调基础：LoRA轻量微调概念
5. API调用：OpenAI/通义千问/DeepSeek等模型API
   实战项目：

• 搭建私有知识库问答机器人（RAG）
• 基于LLM的文本总结、分类工具
  ✅ 阶段验收：独立搭建RAG知识库，能上传文档并问答

硬件：跑小模型可本地；大模型微调建议使用云端GPU（阿里云/腾讯云/Colab）

阶段4：项目实战 + 方向专精（第21–26周，6周）

二选一专精方向，不建议同时铺开：

方向A：大模型应用开发（推荐就业，门槛相对低）

重点：RAG、Agent、工具调用、LLM应用部署
项目：

1. 文档智能助手（RAG）
2. AI Agent（联网查询+调用工具）
3. Gradio/Streamlit 做Web页面，部署模型

方向B：计算机视觉CV

重点：目标检测YOLO、图像分割
项目：YOLO目标检测（物品识别）

方向C：时序数据

金融/传感器时序预测

额外学习

• 模型部署基础：Gradio、Streamlit，简单Docker概念
• 学习阅读论文：先看摘要、方法、实验部分，推荐arXiv
  ✅ 最终产出：2–3个完整项目，代码上传Github，写项目说明文档

每日学习模板（参考）

1. 30min：学习理论/看课程
2. 40–60min：敲代码复现案例
3. 20min：记录笔记，整理不懂的问题

重要原则：不要只看视频，一定要动手写代码！

推荐学习资源清单

课程

1. 机器学习：吴恩达《Machine Learning》（经典入门）
2. 深度学习：吴恩达《Deep Learning专项》
3. PyTorch：B站 李沐动手学深度学习（中文强推）

书籍

• 《机器学习实战》（sklearn）
• 《动手学深度学习》（免费在线版，李沐）

平台

Kaggle（数据集、比赛练手）、Hugging Face（模型库）、Github

可选精简版（只想做AI应用开发，不学底层算法，3个月）

第1个月：Python基础 + Pandas/Numpy
第2个月：Prompt工程 + RAG原理，调用LLM API
第3个月：搭建RAG项目 + Streamlit做网页

我可以帮你进一步定制

你回复我这几个信息，我把计划改成适配你的版本：

1. 每天/每周能拿出多少时间？
2. 有没有Python、数学基础？
3. 目标：是就业 / 做AI副业 / 纯兴趣？
4. 电脑配置（显卡型号）？