接下来的45天，我将遵循这份AI与机器学习路线图，并公开分享我的学习历程。直播链接 - https://rheaadotcom.github.io/ai-ml.roadmap/ GitHub - https://github.com/rheaadotcom/ai-ml.roadmap… #AI #机器学习 #公开构建

AI与机器学习路线图 —— 从零到精通

来源：https://rheaadotcom.github.io/ai-ml.roadmap/ 00

第00模块 · 开始之前

环境搭建与前置条件

准备好你的开发环境。安装Python，配置代码编辑器，并了解整个学习过程中会用到的关键Python包。

#类型资源1软件Python 3.13 下载→ (https://www.python.org/downloads/)2软件Visual Studio Code 下载→ (https://code.visualstudio.com/download)3包管理在Python中安装Pip包管理器→ (https://www.geeksforgeeks.org/how-to-install-pip-on-windows/)4参考AI/ML常用Python库列表→ (https://github.com/aadi1011/AI-ML-Roadmap-from-scratch/blob/main/Packages.md) 01

第01模块 · 背后的数学

数学基础

数学是AI的基石。建立扎实的线性代数、离散数学和统计学基础，以便从理论上理解机器如何学习。

#类型资源1播放列表机器学习数学播放列表→ (https://youtube.com/playlist?list=PLD80i8An1OEGZ2tYimemzwC3xqkU0jKUg)2⭐ 课程NPTEL Swayam 离散数学课程（推荐）→ (https://onlinecourses.nptel.ac.in/noc22_cs33/preview)3课程Saylor Academy 离散结构→ (https://www.classcentral.com/course/saylor-academy-67-cs202-discrete-structures-99529)4讲座线性代数讲座系列 — MIT OCW→ (https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/download/)5课程数据科学基础数学 — Codecademy→ (https://www.codecademy.com/learn/paths/fundamental-math-for-data-science) 02

第02模块 · 打下基础

Python编程

这些计算机科学和Python编程的基础课程将为你奠定坚实的基础！学会编程，然后反复练习，直到得心应手。

#类型资源1课程MITx：计算机科学与Python编程入门→ (https://www.edx.org/learn/computer-science/massachusetts-institute-of-technology-introduction-to-computer-science-and-programming-using-python)2课程HarvardX：CS50的Python编程入门→ (https://www.edx.org/learn/python/harvard-university-cs50-s-introduction-to-programming-with-python)3网站Python入门 — W3Schools→ (https://www.w3schools.com/python/python_intro.asp)4YouTube4小时学会Python — freeCodeCamp→ (https://www.youtube.com/watch?v=rfscVS0vtbw)5⭐ 练习在HackerRank上练习Python（推荐）→ (https://www.hackerrank.com/domains/python)6证书HackerRank Python基础认证→ (https://www.hackerrank.com/skills-verification/python_basic) 03

第03模块 · 数据科学

数据科学

数据是新时代的石油！在进入高级AI之前，先了解驱动AI的数据。学习统计学基础以及使用Python进行数据科学。

#类型资源🎁YouTube5分钟数据科学简介→ (https://www.youtube.com/watch?v=X3paOmcrTjQ)1YouTube数据科学概述→ (https://www.youtube.com/watch?v=ua-CiDNNj30)2网站数据科学入门 — W3Schools→ (https://www.w3schools.com/datascience/ds_introduction.asp)3YouTubePython数据科学→ (https://www.youtube.com/watch?v=LHBE6Q9XlzI)4课程Google数据分析专业证书→ (https://www.coursera.org/professional-certificates/google-data-analytics)5⭐ 课程IBM数据科学专业证书（推荐）→ (https://www.coursera.org/professional-certificates/ibm-data-science) 04

第04模块 · 机器学习

机器学习

是时候用数据来训练机器了。机器学习是一门关于算法的科学，帮助机器从数据中学习和改进——无需显式编程。

#类型资源1文章机器学习介绍文章 — Spiceworks→ (https://www.spiceworks.com/tech/artificial-intelligence/articles/what-is-ml/)2⭐ 课程HarvardX：数据科学：机器学习（推荐）→ (https://www.edx.org/learn/machine-learning/harvard-university-data-science-machine-learning)3教程机器学习教程 — GeeksForGeeks→ (https://www.geeksforgeeks.org/machine-learning/)4课程探索Azure与OpenAI — Microsoft Learn→ (https://learn.microsoft.com/en-us/training/modules/explore-azure-openai/)5课程机器学习专项课程 — 吴恩达 ⚡→ (https://www.coursera.org/specializations/machine-learning-introduction)6课程机器学习工程师学习路径 — Google Cloud→ (https://www.cloudskillsboost.google/paths/17) 05

第05模块 · 计算机视觉

计算机视觉

赋予智能计算机视觉的能力！CV训练机器解释和理解视觉世界——就像我们看待世界一样，但更快更准确。

#类型资源1YouTube计算机视觉速成课程概述→ (https://www.youtube.com/watch?v=-4E2-0sxVUM)2YouTubeOpenCV课程 — 完整Python教程→ (https://www.youtube.com/watch?v=oXlwWbU8l2o)3课程OpenCV训练营 — 免费官方课程→ (https://opencv.org/university/free-opencv-course/)4⭐ 课程计算机视觉基础 — Great Learning（推荐）→ (https://www.mygreatlearning.com/academy/learn-for-free/courses/computer-vision-essentials)5播放列表斯坦福计算机视觉讲座 ⚡ 高级→ (https://youtube.com/playlist?list=PLf7L7Kg8_FNxHATtLwDceyh72QQL9pvpQ) 06

第06模块 · 深度学习

深度学习与神经网络

借助人类大脑的力量来构建与之相似的东西。神经网络处理原始数据以模拟期望的输出——这是现代AI的核心。

#类型资源1课程神经网络与深度学习 — DeepLearning.AI→ (https://www.coursera.org/learn/neural-networks-deep-learning)2课程神经网络与深度学习 — Class Central→ (https://www.classcentral.com/course/neural-networks-deep-learning-9058)3课程卷积神经网络 — Coursera→ (https://www.coursera.org/learn/convolutional-neural-networks)4⭐ YouTube深度学习初学者速成课程（推荐）→ (https://www.youtube.com/watch?v=VyWAvY2CF9c)5播放列表神经网络：从零到精通 — Andrej Karpathy→ (https://youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ) 07

第07模块 · 生成式AI

生成式AI

大热的流行词！使用生成对抗网络和大语言模型创建文本、图像、音频、视频等内容。

#类型资源1课程Microsoft生成式AI基础→ (https://learn.microsoft.com/en-us/training/modules/fundamentals-generative-ai/)2课程Microsoft负责任生成式AI→ (https://learn.microsoft.com/en-us/training/modules/responsible-generative-ai/)3⭐ YouTube生成式AI极简介绍（推荐）→ (https://youtu.be/2IK3DFHRFfw)4课程生成对抗网络专项课程→ (https://www.coursera.org/specializations/generative-adversarial-networks-gans)5电子书生成式AI与LLMs傻瓜书 — 免费PDF→ (https://aadi1011.github.io/AI-ML-Roadmap-from-scratch/resources/Generative-AI-and-LLMs-for-Dummies.pdf)6课程生成式AI学习路径 — Google Cloud→ (https://www.cloudskillsboost.google/paths/118)7YouTube面向开发者的生成式AI→ (https://www.youtube.com/watch?v=F0GQ0l2NfHA) 08

第08模块 · 自然语言处理

自然语言处理

帮助计算机理解人类语言——英语、印地语、法语等。NLP驱动着聊天机器人、翻译工具、情感分析和搜索引擎。

#类型资源1文章如何入门NLP — Towards Data Science→ (https://towardsdatascience.com/how-to-get-started-in-nlp-6a62aa4eaeff)2⭐ 播放列表TensorFlow NLP 从零到精通（推荐）→ (https://youtube.com/playlist?list=PLQY2H8rRoyvzDbLUZkbudP-MFQZwNmU4S)3YouTube自然语言处理流程→ (https://www.youtube.com/watch?v=6I-Alfkr5K4) 09

第09模块 · 强化学习

强化学习

行走、摔倒、爬起来、学习、重复。就像人类通过经验学习一样，AI通过尝试、错误和奖励来学习该做什么——以及不该做什么。

#类型资源1播放列表强化学习按部就班→ (https://www.youtube.com/playlist?list=PLzvYlJMoZ02Dxtwe-MmH4nOB5jYlMGBjr)2YouTube从零开始的强化学习基础→ (https://youtu.be/vXtfdGphr3c)3教程强化学习教程 — JavaTPoint→ (https://www.javatpoint.com/reinforcement-learning)4⭐ 课程深度强化学习课程 — Hugging Face（推荐）→ (https://huggingface.co/learn/deep-rl-course/en/unit0/introduction) 10

第10模块 · 智能体AI

智能体AI系统

不仅仅是提供解决方案——开始付诸行动。智能体AI将AI与操作结合起来，以前所未有的方式推动下一波自动化浪潮。

#类型资源1⭐ YouTube7分钟AI智能体基础（推荐）→ (https://www.youtube.com/watch?v=dJrgZrPKJfQ)2YouTubeLangFlow入门→ (https://www.youtube.com/watch?v=knPg4KdKU6w)3YouTube使用LangFlow构建基于RAG的LLM应用→ (https://www.youtube.com/watch?v=rz40ukZ3krQ)4YouTube在n8n中构建AI智能体团队（无代码）→ (https://www.youtube.com/watch?v=9FuNtfsnRNo)5文档n8n文档 — 官方文档→ (https://docs.n8n.io/)6文章生成式AI vs 智能体AI — Forbes→ (https://www.forbes.com/sites/bernardmarr/2025/02/03/generative-ai-vs-agentic-ai-the-key-differences-everyone-needs-to-know/) ⭐

奖励模块 · 进阶路径

高级学习与实践

额外的奖励课程、专项课程和问题解决练习，让你的技能更上一层楼。

#资源1Stanford机器学习专项课程→ (https://www.coursera.org/specializations/machine-learning-introduction)2Google：面向所有人的Google AI — edX→ (https://www.edx.org/learn/artificial-intelligence/google-google-ai-for-anyone)3IBM面向业务的AI基础专项课程→ (https://www.coursera.org/specializations/ibm-ai-foundations-for-business)4在HackerRank上解决AI问题→ (https://www.hackerrank.com/domains/ai)5函数式编程挑战 — HackerRank→ (https://www.hackerrank.com/domains/algorithms) 🔨

项目

构建真实的项目

500多个项目创意和引导项目，帮你建立作品集。随着学习进度，从每个模块中挑选一个项目。

+

保持更新

新闻通讯、博客与酷炫网站

通过精选的新闻通讯和博客，时刻掌握AI最新动态。

📬 AI新闻通讯

📖 AI博客

🌐 有趣的网站