# 人工智能学习路径分享（2023.11更新）

**URL:** <https://forum.beginner.center/t/topic/493>\
**Category:** 🛠工具与编程\
**Tags:** 学习路径\
**Created:** [2023 年11 月 5 日 02:59 UTC](https://forum.beginner.center/t/topic/493 "2023-11-05T02:59:02Z")\
**Posts on this page:** 2\
**Page:** 1

<div class="post-metadata">

作者： ![doggie](https://forum.beginner.center/user_avatar/forum.beginner.center/doggie/32/550_2.png) [@doggie](https://forum.beginner.center/u/doggie)\
发布日期： [2023 年11 月 5 日 02:59 UTC](https://forum.beginner.center/t/topic/493/1 "2023-11-05T02:59:02Z")

</div>

# 前言

最近和某师姐聊起人工智能，和我之前一样，感兴趣但不知从何入手，所以把之前[发布在知乎的这篇文字](https://zhuanlan.zhihu.com/p/573130019)，结合[最近的新想法](https://forum.beginner.center/t/topic/427)，更新一下

必须承认的是我自己还是个半吊子，这个路径有多少参考性我自己都不知道，但我可以确保是在用心写

# 为什么推荐这些资料？

非科班，零基础，在使用过众多学习资料后，精选出来的，均满足：

1. 至少认真学习超过4/5（只有学完觉得好才能推荐
2. 结合案例，边讲解实践（纯理论的课学不进去

# 精力如何分配？

基础课可以先看一门再看一门，也可以一起看，相对来说比较枯燥，但可以构建一个系统框架，理解原理，了解概念，看到术语不害怕，未来再结合自己方向看实战课、别人的论文往框架挂肌肉神经血管

每节课都备注了预计学习用时，不建议花超出上限的时间来学习，战线拉太长（比如python课学一年半载），前面学过的早忘记了，建议集中一段时间系统快速学习完，毕竟我们的出发点是“了解”，不是“掌握”，我们的目标是“使用”，不是“创造”

也备注了我的实际学习用时（大概），不建议比我更短，因为我看这些课之前已经看过其他类似的课，所以有些基础，部分内容跳过了，快一些

* * *

## 培养兴趣基础 预计用时：6-7小时

众所周知兴趣是最好的老师，如果你是基于兴趣学习，效率提高，乐趣满满  
这是一个系列播客，内容是人工智能的发展史，与具体技术毫无关系，但可以培养兴趣，顺便还能了解一些术语

> **[人工智能风云录](https://www.xiaoyuzhoufm.com/collection/episode/6427ac43c5aa3e738cb122e9)**
>
> 有关人工智能当下的话题已经颇为常见，我们不妨另辟蹊径，以历史为鉴，看看过往的人工智能历史上发生了什么。
> 
> 什么是符号派？神经网络为何遭受打压？哪些人创立的人工智能学科？它最初的落地场景是什么？ChatGPT 建立在怎样的路线基础之上？这些都是值得了解的问题。
> 
> 来杯半拿铁，我们边喝边唠。

## python语法基础

[Python语言程序设计\_北京理工大学](https://www.icourse163.org/learn/BIT-268001) 预计用时：2周-1月（我用了2周）

python简介、环境搭建、结合案例学习，初步了解python体系，学完之后就可以开始编写程序啦，其他人写的代码也能看懂一二。比如我学完这门课，又学了学python自动化，实现了自己的第一个项目：[iTutor——一个帮你选导师的小工具](https://www.bilibili.com/video/BV1XN4y1K7KQ/)

个人认为学完以后就结合自己的兴趣搞一些小项目，一来夯实语言基础，二来提高对python的兴趣，不然直接开始学机器学习，连上两门课非常无聊🥱

## 机器学习基础

[华盛顿《机器学习基础：案例研究》](https://www.coursera.org/learn/ml-foundations) 预计用时：1周-2周（我用了3天）

> 这是[一个系列课程中](https://www.coursera.org/specializations/machine-learning)的第一节课，你可以把整个系列四节课全学完，这样的话各种专业术语都难不倒你了，但如果你觉得后面三节课非常吃力，可以先放下来，未来再看

[吴恩达讲深度学习](https://www.coursera.org/specializations/deep-learning) 预计用时：1周-2周（我用了2周）  
有了python语言基础后，就可以开始机器学习啦！吴恩达讲深度学习比较热门，但我误打误撞没看上，而是看了华盛顿这门课，两位老师一起讲，中间还有各种好玩的对话和梗😂，当然，最重要的是，这门课也是结合案例学习，边讲知识点边实操，困难的知识放后面，先动手提升兴趣

> ⚠注意：课程中涉及的数学知识看不懂不要担心，看完就行了，咱也不是算法科学家，不需要样样都懂，了解基础知识，能用好别人的算法就行

这两节课各有侧重，都看了更好，只看一个也行，学习完成后，对人工智能主要的基本概念、各种算法都有了一定认识

## 机器学习的医学实战

学完基础后，当然还是要实践啦，此处以医学为例，其他领域应该也有相似教程

[丁香园《人工智能在医学领域的应用》](https://www.bilibili.com/video/BV13Y411g7yS/) 预计用时：3天-1周（我用了3天）

结合具体文献讲解人工智能怎么做出来那些成果，什么领域适合用人工智能做，设计课题的思路，算是实战的垫脚石，学完以后在专业实践上有了一定认识

学完这门课之后，技术门槛已经基本摸清了，但还缺乏真正动手的经历，另外一个更大的问题是课题设计，用人工智能去解决什么问题？——这需要长期的临床积累以及和其他人的交流

## 找一个老师指点，夯实基础（我用了1月）

找到一位管院老师，专长人工智能，在这位老师指导下，先是刷完我校医学统计方法选修课，重新学习了线性回归、逻辑回归、决策树等常用算法，结合医学领域相关论文，巩固基础知识。下面po一下老师自己安排的学习路线（从左往右）➡[https://kdocs.cn/l/crtYGAxNrDo0](https://kdocs.cn/l/crtYGAxNrDo0)

虽然是冲着医学影像识别去的，医学统计看起来没用，但能帮助自己夯实相关工具的使用技巧（numpy、pandas、matplotlib等），同时唤醒好久不用的数学知识（四五年不看数学了，现在导数都不会算了😂）

## 继续找老师指点，拓展前沿（我用了1月）

暑假报名那位老师的强化班，此时基础知识已经比较巩固了，开始拓展前沿（transformer、多模态等）➡[【课程推荐】北中医管院暑假班——医学人工智能分析应用实践](https://forum.beginner.center/t/topic/295)

开学后跟老师一起做项目，目前取得了一定成果，但才刚刚开始，还有很远的路。期间遇到的坎坷与解决思路也都记录下来了➡[纪念一下练出来的第一炉丹](https://forum.beginner.center/t/topic/485)

# 回顾历史

总得来说是基于兴趣，边学边用，一路迷茫，直到有人指点找到用武之地，以前学过的东西都没有白学，现在开始产出一些成果  
更详细的回顾见➡[A038我的编程学习经历及收获](https://forum.beginner.center/t/topic/427)

---

<div class="post-metadata">

作者： ![doggie](https://forum.beginner.center/user_avatar/forum.beginner.center/doggie/32/550_2.png) [@doggie](https://forum.beginner.center/u/doggie)\
发布日期： [2023 年12 月 4 日 02:49 UTC](https://forum.beginner.center/t/topic/493/2 "2023-12-04T02:49:01Z")

</div>

为什么人工能产生智能  
【硬核科普】一次看懂人工智能-哔哩哔哩】 [1、到底什么是人工智能？\_哔哩哔哩\_bilibili](https://m.bilibili.com/video/BV1134y1d72L?buvid=ZF4707F0DD4A114948B7865D947AC05B0726&from_spmid=search.search-result.0.0&is_story_h5=false&mid=QDy2w9pifSs456AO9INUsA%3D%3D&p=1&plat_id=116&share_from=ugc&share_medium=iphone&share_plat=ios&share_session_id=752F39C5-9BFF-4029-B058-00029AA814C2&share_source=COPY&share_tag=s_i&spmid=united.player-video-detail.0.0&timestamp=1701658072&unique_k=233HZf1&up_id=92601724&share_times=1)