这是一个专为零基础想学 AI 的朋友打造的连载专栏我们会用最生活化的例子最落地的实操带你一步步从入门到高级5 个阶段23 篇深度博文帮你少走 2 年弯路打造你的核心竞争力。第一阶段入门破冰期0-1 个月—— 先玩起来建立兴趣专栏文章 1别再被高数劝退了零基础学 AI第一步居然是玩很多人想学 AI第一步就错了上来就找高数教材找 Python 语法书看了三天就劝退了觉得这东西太复杂了根本不是普通人能学的。其实完全没必要你学开车的时候会先去学发动机的原理吗不会啊你先坐上去开起来感受一下车能带你去哪你才会有动力去学怎么开好车。学 AI 也是一样这个阶段的核心不是学技术是先让你感受到 AI 的用处建立兴趣。你不用写一行代码就用现成的 AI 工具先玩起来先感受一下这个东西能帮你干什么你才会有动力学下去。别上来就啃《深度学习》这种大部头你会直接放弃的。先玩先感受兴趣是最好的老师。专栏文章 2我用 ChatGPT 搞定了所有琐事原来这才是 AI 入门的正确姿势很多人说我玩 AI 工具那不就是用现成的吗跟学 AI 有什么关系当然有关系你用的多了你才会知道AI 能做什么不能做什么你才会知道哦原来这个地方AI 做的不好我能不能自己改一改这就是你学习的动力啊。我刚入门的时候就是用 ChatGPT 帮我做了好多事写周报我把一周做的事列出来它帮我整理成通顺的周报10 分钟搞定以前我要写 1 小时改简历我把我的经历写进去它帮我优化成 HR 喜欢的样子还帮我改了英文简历做旅游攻略我告诉他我要去云南玩 5 天预算 3000它帮我做了详细的行程连酒店都帮我选好了分析账单我把我的支付宝账单导进去用 AI 插件帮我分析哦原来我每个月喝奶茶要花 500 块我自己都不知道就这么玩了一个月我才发现AI 真的太好用了我才下定决心要好好学以后我要自己做这样的工具。专栏文章 330 天入门 AI我整理了一份不用写代码的新手任务清单这个阶段不用学复杂的技术你只要跟着这个 30 天的清单做就能顺利入门第 1-7 天玩懂 ChatGPT用它帮你解决 3 个日常问题比如写周报、改简历、做攻略学几个简单的提示词技巧比如 “帮我写一篇小红书风格的文案”第 8-14 天玩懂 AI 绘图用 Midjourney 或者 DALL・E做 3 张朋友圈配图试试用它做 PPT 的封面比你自己做的好看多了第 15-21 天用 AI 分析你的数据用 AI 插件分析你的月度账单看看钱都花在哪了试试用它分析你的运动数据看看你这半年的减肥效果第 22-30 天搞懂 AI 的基本概念看一下吴恩达的《AI For Everyone》不用学技术只要搞懂 AI 是什么能做什么想想你以后想用 AI 解决什么问题避坑提醒别在这个阶段就去学高数别去学 Python你会劝退的。先玩先建立兴趣这才是最重要的。第二阶段基础筑基期1-3 个月—— 打好工具底子够用就行专栏文章 4学 Python 不用啃完语法我用 3 天搞定了 AI 入门的工具当你有了兴趣接下来就该打基础了第一个要学的就是 Python。很多人说Python 好难啊我要学多久其实完全不用Python 就是你的菜刀你学做饭不用把菜刀的所有用法都学会你只要会切菜、会剁肉就行了。你不用学完 Python 的所有语法不用学什么面向对象不用学什么装饰器那些你用到的时候再学就行。你只要学会这三件事怎么用 Python 读一个 Excel 表格怎么用 Pandas 处理你的数据比如算总和分类怎么用 Matplotlib 画个图看看数据的趋势就够了我当初学 Python只用了 3 天就学会了这些然后就开始处理我的账单数据了剩下的语法都是我后来用到的时候再去查的。专栏文章 5学 AI 不用重修高数这 3 个数学知识够用一辈子很多人听到数学就头大是不是要把高数、线代、概率全都重新学一遍完全不用我给你举个例子你就懂了这三个数学知识你只要懂概念不用懂推导就够用了线性代数说白了就是帮你整理数据的就像你收拾衣柜把一堆衣服叠好分类放好方便你拿。你不用搞懂什么特征值、特征向量你只要知道一堆数据可以变成一个表格机器能处理它就行了。概率统计就是帮你判断事情发生的可能性就像你看天气预报说明天有 80% 的概率下雨你就知道要带伞。你不用搞懂什么贝叶斯公式的推导你只要知道机器是通过统计过去的情况来判断未来的就行了。微积分就是帮你调整模型的就像你调收音机的频率一点点调直到声音最清楚。你不用搞懂什么偏导数的推导你只要知道机器是一点点调整自己让自己变的更准就行了。就这么简单你不用把大学的数学书重新啃一遍你只要懂这三个概念就够你用一辈子了。专栏文章 6手把手教你用 Python 分析年度账单原来我这么能花钱光说不练假把式今天我带你做第一个小项目用 Python 分析你的年度账单很简单3 行代码就能搞定# 导入工具 import pandas as pd import matplotlib.pyplot as plt # 读你的支付宝账单把下载的账单改成这个名字就行 df pd.read_csv(alipay_bill.csv) # 按月份分类算每个月花了多少钱 monthly_expense df.groupby(月份)[金额].sum() # 画个图看看你每个月的消费趋势 monthly_expense.plot(kindbar, colorskyblue) plt.title(我的年度消费趋势) plt.show()就这么简单你跑完这个代码就能看到你这一年每个月花了多少钱哪个月花的最多钱都花在哪了。我当初跑完这个才发现我每个月喝奶茶要花 500 块一年就是 6000够我买个新手机了吓得我赶紧少喝了点。做完这个项目你就会发现Python 真的太好用了而且一点都不难。专栏文章 790 天打好 AI 基础我踩过的坑帮你把时间省下来这个阶段的 90 天你可以跟着这个计划来第 1-30 天学 Python 基础学基本的语法学 Pandas 和 Matplotlib做完刚才的账单分析项目第 31-60 天学够用的数学看一下 3Blue1Brown 的线性代数和微积分的视频通俗易懂不用记公式搞懂我刚才说的那三个数学概念第 61-90 天搭建环境装 Anaconda、Jupyter、VS Code把环境搭好试试跑几个简单的脚本熟悉一下避坑提醒别死磕 Python 语法学了三个月还在学面向对象那都是没用的。边做边学你要处理数据了再去学对应的库这样学的最快。第三阶段机器学习进阶期3-5 个月—— 让机器自己学规律专栏文章 8原来机器学习这么简单用猫狗大战5 分钟搞懂监督学习基础打好了接下来就该学机器学习了很多人觉得这个很复杂其实用生活中的例子5 分钟就能搞懂。就说认猫狗吧以前我们用传统的方法就是写规则“耳朵尖的是猫尾巴翘的是狗”。但是遇到折耳猫或者垂尾的狗这个规则就失效了对吧而机器学习呢就像你教孩子认动物你不用告诉他规则你给他看几百张标注好的照片告诉他这个是猫这个是狗。看的多了他自己就学会了哦猫的眼睛在暗处会发光狗喘气的时候舌头会侧翻这些你都没注意到的规律他自己找到了。这就是监督学习就像老师教学生你给学生看题告诉他答案学生自己学会怎么解题。就这么简单专栏文章 9垃圾邮件过滤的进化史从手动加规则到让机器自己学再给你举个例子垃圾邮件过滤你就更懂了。以前我们过滤垃圾邮件都是写规则标题里有 “免费” 的就是垃圾邮件。但是骗子太聪明了他会把 “免费” 改成 “免 - 费”或者 “Free”你就得不停的加新规则累死了。而且还会误杀你朋友给你发了个 “免费的讲座你要不要来”你直接就给当成垃圾邮件删了尴尬不而机器学习呢你给机器 2000 封已经分好类的邮件1000 封垃圾的1000 封正常的。机器自己统计哦垃圾邮件里 “免费”“优惠”“发票” 这些词出现的多正常邮件里 “会议”“项目”“放假” 这些词出现的多。然后来新邮件了机器自己判断这封邮件里有 “放假”“通知”没有那些垃圾词那就是正常的。不用你手动加规则他自己会学是不是很神奇专栏文章 10帮朋友买房我用机器学习预测了房价原来学区这么值钱还有房价预测这个更实用。以前你帮朋友买房你自己猜学区好的话房价加 20 万地铁近的话加 15 万。但是你根本不知道这些因素到底影响有多大而且新的情况来了比如疫情之后大家都想要大阳台你之前的规则就没用了。而机器学习呢你给机器过去 10 年的房价数据每个房子的面积、房龄、学区、有没有地铁还有最终的价格。机器自己就会算出来哦学区的权重是 0.38地铁的权重是 0.25房龄的权重是 - 0.16甚至他会发现疫情之后阳台大小的权重变高了。不用你手动调他自己就会从数据里找到规律。我当初帮我朋友做这个最后预测的房价跟实际的只差了 5 万我朋友都惊呆了说你比中介还懂。专栏文章 11没做过项目别说你会机器学习Kaggle 入门赛我用 3 天搞定了学机器学习别只看视频看完吴恩达的课就以为自己会了一定要做项目。我推荐你去 Kaggle做那个最入门的 Titanic 生存预测就是预测谁能在泰坦尼克号沉船的时候活下来这个项目很简单3 天就能搞定。步骤也很简单下载数据有训练集和测试集用 Pandas 处理数据把缺失值补上把字符串转成数字用 Scikit-learn跑一个随机森林模型提交结果看看你的得分我当初做这个第一次得分就有 0.78比基线高了不少做完这个你就真的懂机器学习是怎么回事了不是只会调 API。专栏文章 1260 天搞定机器学习从入门到能做项目完整的学习清单这个阶段的 60 天你可以跟着这个计划来第 1-20 天学经典算法看吴恩达的机器学习课不用记公式懂原理就行学 Scikit-learn 这个库会用里面的算法第 21-40 天做小项目做房价预测的项目做鸢尾花分类的项目第 41-60 天打竞赛做 Kaggle 的 Titanic 入门赛把你的项目传到 GitHub留着以后找工作用避坑提醒别只看视频一定要动手做项目哪怕是最简单的你自己跑一遍比你看 10 遍视频都有用。第四阶段深度学习爆发期5-8 个月—— 让机器像人一样看懂听懂专栏文章 13深度学习是什么用小朋友认字5 分钟给你讲明白学完机器学习你会发现很多复杂的问题机器学习还是搞不定比如识别图片识别语音翻译语言。这时候就该学深度学习了。深度学习是什么其实就是模仿我们的大脑用很多很多的神经元一层一层的自己提取特征。还是用小朋友认字的例子你就懂了 以前的机器学习你要识别手写数字你得自己告诉机器1 是竖线2 是有个弯你得自己把特征提取出来机器才能判断。但是深度学习呢你不用管这些你给机器看一堆手写的数字他自己就会学第一层先看边缘第二层看形状第三层看整个数字最后他自己就会认了。就像小朋友学认字你不用告诉他 “1 是一竖”你给他看很多 1他自己就认识了。就这么简单专栏文章 14手写数字识别我用 PyTorch 做了第一个深度学习模型原来这么简单光说不练假把式今天带你做第一个深度学习项目手写数字识别就是 MNIST 数据集很简单跟着我做你就能搞定。步骤也很简单用 PyTorch 下载 MNIST 数据集里面有 6 万张手写数字的图片定义一个简单的神经网络3 层就够了训练模型跑个 10 轮你的模型就会认数字了测试一下准确率能到 97% 以上是不是很厉害我当初做这个第一次跑的时候看到模型能认出我自己写的数字我都惊呆了原来深度学习这么神奇而且一点都不难。专栏文章 15CNN 是什么原来 AI 看图片跟我们一模一样很多人问CNN 是什么是不是很复杂其实一点都不复杂它就是 AI 看图片的方式跟我们一模一样。你看一张图片的时候是不是先看边缘比如这是个竖线这是个横线然后你把这些边缘拼起来变成形状比如这是个圆这是个方块然后你把这些形状拼起来变成整个物体比如这是个猫这是个狗。CNN 就是这么做的第一层看边缘第二层看形状第三层看整个物体一层一层的最后就认出图片里是什么了。是不是很简单原来 AI 看图片跟我们是一样的只是他比我们看的快看的多而已。专栏文章 16AlphaGo 是怎么赢的原来就是小朋友玩游戏的道理还有 AlphaGo很多人觉得他很厉害是不是有什么黑科技其实不是他的原理就是小朋友玩游戏的道理。小朋友玩游戏机没人教他怎么玩他就乱按按对了分数涨了他就记住了按错了死掉了他就记住不能这么按。玩的多了他自己就学会通关了。AlphaGo 就是这么来的他自己跟自己下棋下了几百万盘每一步赢了就加分输了就减分玩的多了他自己就学会怎么赢了就这么简单。这就是强化学习是不是很通俗易懂专栏文章 1790 天搞定深度学习从入门到能看懂大模型的基础这个阶段的 90 天你可以跟着这个计划来第 1-30 天学 PyTorch学 PyTorch 的基本用法会处理数据会定义模型做完手写数字识别的项目第 31-60 天学经典网络学 CNN做图片分类的项目学 RNN 和 Transformer搞懂大模型的基础第 61-90 天做项目做一个简单的图片识别项目比如识别你的猫和狗把项目传到 GitHub避坑提醒别上来就搞大模型先把基础的神经网络搞懂先做个简单的 MNIST 识别再搞复杂的一步一步来。第五阶段大模型与工程落地期8 个月—— 把技术变成钱专栏文章 18RAG 是什么我用它做了个私人知识库找资料再也不用翻半天到了这个阶段你就已经超过 90% 的 AI 学习者了接下来就学现在最火的大模型落地技术第一个就是 RAG。很多人说ChatGPT 会胡说八道而且他不知道你的私人资料怎么办RAG 就能解决这个问题。你是不是有很多工作文档、学习笔记找的时候翻半天你可以把这些文档都导入到 AI 里做一个自己的知识库。比如你把公司的产品手册、客户问答都导进去然后你问他“我们这个产品的售后政策是什么”他就会从你的文档里找答案不会胡说八道因为他只看你给他的资料。这就是 RAG检索增强生成现在最火的落地技术学会这个你就能给公司做个 AI 客服或者给自己做个 AI 学习助手。专栏文章 19手把手教你搭建私人 AI 助手把你的笔记都变成问答机器人今天带你做这个项目搭建你自己的私人 AI 助手很简单几步就能搞定把你的文档比如 PDF、Word、笔记都转成文本用 Embedding 模型把这些文本转成向量存到向量数据库里当你问问题的时候先从向量数据库里找到跟你的问题最相关的文档把这些文档和你的问题一起发给大模型让他回答就这么简单我当初做了一个自己的学习笔记助手我问他“我之前学机器学习的时候记的避坑点是什么”他直接就从我的笔记里找出来了再也不用我翻半天笔记了太好用了。专栏文章 20LoRA 微调花 500 块我把通用大模型改成了我的行业专属 AI很多人说通用的大模型在我的行业里不够准比如我是医生他对医学的知识不够专业我是律师他对法律的细节不够清楚怎么办以前你要训练一个大模型得花几百万用好多 GPU普通人根本玩不起。但是现在有了 LoRA就不一样了。LoRA 是什么说白了就是给大模型 “补补课”你不用重新训练整个大模型你只需要训练一小部分参数用你的行业数据给他补补课花几百块钱几个小时就能把一个通用的大模型变成你的行业专属 AI。比如你是做教育的你可以把你们的教材导进去微调一个 AI 家教专门给你的学生讲课比通用的大模型准多了。专栏文章 21不用百万 GPU手把手教你微调大模型打造你的专属 AI 家教很多人觉得微调大模型很复杂其实现在有了 LoRA真的很简单我带你做准备你的行业数据比如你的教材你的问答对选一个开源的大模型比如 Llama 3或者 Qwen用 LoRA加载你的数据开始训练几个小时就好了测试一下你的专属 AI 就做好了我当初给我一个做教育的朋友做了一个 AI 家教花了不到 500 块用了 4 个小时就做好了他现在用这个给学生讲课学生都觉得比老师讲的还清楚。专栏文章 22把你的 AI 模型做成网站用 Streamlit10 分钟搞定界面你做了一个 AI 模型怎么让别人用呢很简单用 Streamlit10 分钟就能做一个网页界面。Streamlit 是一个 Python 的库你不用学前端不用学 HTML、CSS你只要用 Python就能做一个网页。比如你做了一个房价预测的模型你写几行代码做一个界面用户输入面积、房龄、学区点一下按钮就能预测房价了是不是很简单然后你把它用 Docker 打包部署到云服务器上你的 AI 应用就上线了别人就能访问了。专栏文章 23AI 工程师的进阶之路从调 API 到能独立做项目拿到年薪 50W到了这个阶段你已经能独立做 AI 项目了不管是找工作还是接外包还是自己做产品你都有核心竞争力了年薪 50W 真的不是难事。我当初就是这样按照这个路径学了 8 个月然后做了几个项目传到 GitHub然后找工作的时候面试官问我你做过什么项目我把我做的私人知识库还有 AI 家教的项目给他看他直接就给我发了 offer年薪 50W。很多人说AI 已经卷了找不到工作了其实不是大部分人都是只会调 API不会做端到端的项目你只要能从数据处理到模型训练到部署整个流程走一遍你就已经超过 90% 的人了。最后想问问大家你现在处于 AI 学习的哪个阶段遇到了什么卡壳的问题评论区聊聊我帮你支招也帮更多新手避坑