本教程采用小步快跑、快速迭代的方式，最近更新时间：2025年2月21日

前言

AI看似高深，实则并不难，人人都可以去学习和利用它。大家不要觉得AI只能高学历人群才能玩转，实际上他们也会闹出很多笑话。下面给大家举个真实的例子，破除大家对高端人士的迷信，同时树立自我的信心。

2024年4月中旬，第三届智能决策论坛召开了。这次论坛采用线下参会和线上同步直播的方式进行，线下参会人员200余人，线上参与人数超过8.5万，受到了学界的广泛关注。但是，如此众目睽睽之下，竟然发生了一件匪夷所思的奇葩事故---上海交通大学的温颖竟然将实验图片放置反了，如下图所示：

上面红框是出错的图片，其中左边是人形智能体，右边是半猎豹智能体（备注：半猎豹指的是把猎豹从中间分开，只保留一侧的前后腿，简化模型，有助于学习训练）。这两个图片用于展示智能体学习走路的实验过程，正确的图片应该是地板在下，腿脚踏着地板前进，类似下面这样的形式：

而在交大温颖的PPT上，地板却是在上面，真是滑稽可笑。我感觉很奇怪了，竟然有人还会犯这么低级的错误。俗话说，一叶知秋，见微知著。从这个错误的图片来看，我有点怀疑交大温颖的演示实验是否真实可靠。作为一名学者，弄虚作假，实属一个严重的问题。

最后，我希望大家通过这个笑话，破除对高学历人士的迷信，不要觉得他们都很厉害，AI只有他们能搞得动，世界本质就是由草台班子组成，你只要想去做，你也可以的！

一、《人人学AI》诞生背景

面试天下网崇尚极简主义的思想，所以只发布了两款教程：《PyTorch面试精华》和《大模型面试精华》。然而，这些教程并不面向初学者，很多人感到迷茫，找不到零基础的入门资料，所以《人人学AI》这个教程专门为零基础人群开设。面试天下网是个极度理想者，立志做国内最强的AI技术社区，帮助零基础人群更好的入门，也是义不容辞的责任！

特别声明一点：《人人学AI》的门槛很低，只要是高中以上的学历就可以学起来，真正人人可学AI。当前正处于筹备状态，马上就可以跟大家见面了，敬请期待...

---

二、《人人学AI》特色说明

不同于本站的两款核心教程，它们都有很多章节构成，而《人人学AI》看起来更像是学习路线，内含多种PDF电子书。即便如此，我也称之为“教程”，因为这样可以方便管理和维护，也是极简主义思想的再一次体现。

---

三、《人人学AI》使用说明

1、免费说明。对于面试天下会员来说，《人人学AI》是免费使用的，包括里面的各种PDF资料。关于面试天下会员的介绍，请移步：2024年面试天下网会员说明。

2、任务说明。大家可以免费来领取任何资料，但是需要告知一下，之前所领资料之后学习的收获情况。希望这里是个有活力的社群，所以分享出你的学习经验，让大家一块提升！

---

四、深度学习能力等级划分

知己知彼百战百胜，为了方便大家对自己的了解，特定制定了AI能力等级。每个等级包括10个知识点或技术点，掌握其中7个以上即可视为达到此等级。

虽然每门技术或者学科包含众多的知识点，但是根据大数定理的原则，样本均值等于总体均值，所以说，即便是10个知识点的考察，也代表了一个人在某个方面的总体水平，所以请大家不要小看这10个知识点，一定要认真对待。

第一级别：AI数学基础

（1）导数与梯度（2）泰勒公式（3）向量的距离（4）特征值与特征向量（5）链式法则（6）最小二乘法（7）梯度下降法和梯度上升法（8）拉格朗日乘数法（9）大数定理（10）最大似然估计

第二级别：编程基础（以Python为主）

（1）pip镜像源的设置（2）元组和字典的区别（3）命名参数和位置参数（4）列表生成式（5）@注解的使用（6）迭代器和生成器的使用（7）pycharm快捷键（8）github仓库的基本操作（9）__init__文件的作用（10）import和from的使用

第三级别：AI编程入门（以PyTorch为主）

第四级别：AI高级编程

第五级别：AI综合能力

---

五、《人人学AI》正文内容

前言

关于学习AI技术的路线图，网上有很多。但是，这个路线图有一个明显的特点，它是活的，不是死的。针对这个学习路线出现的任何问题，都可以找我来反馈和沟通，我会给出令你满意的解答。

本路线图的时间单位为周，你可以知道自己每周应该干些什么。当然，你也可以根据自己的情况从一周变成两周，但是你不能沉醉其中，从而因小失大，你应该继续向前行进才行。

学习分为两种形式：读书和动手。人读书可以很快，一天一本，但是动手则会慢得多。动手能力本质是一个习惯问题，任何问题一旦上升到习惯层面，则是一件非常困难的事。就拿Python编码来说，新人需要差不多半年的时间，才能流畅的写代码。但是，在本路线图中，不会留给你半年时间卡在编码节点，你只需要了解即可。

第一阶段：准备阶段。

在这个阶段，不需要学习数学和编程知识，重点是了解和熟悉深度学习的历史和发展现状，从而对深度学习有个心里印象。在本阶段，重点推荐下面几本书：

• 1、人工智能导论，出版时间2022年8月，作者金军委。

• 2、人工智能导论：模型与算法，出版时间2020年5月，作者吴飞。

• 3、人工智能导论（第2版），出版时间2024年11月，作者郭军。

提醒1：可解释人工智能导论，这本书不推荐，飞燕最讨厌这种出书方式，搞一堆作者，完全是为了“政绩”，心思完全不在书上，还要点脸吗？

第二阶段：AI数学学习阶段。

对于AI数学的学习，我觉得一定要体现出“AI味道”，具体来说，总共有两点：

（一）一定要紧抓AI，不要跑偏，不要变成了纯粹的数学学习。很多出版社，为了让书更加厚重，东拉西扯，高了很多没有用的东西，浪费了读者的宝贵时间。比如说，机器学习的数学，出版时间2021年1月，作者雷明。

（二）抓住核心的几点，一定要多复习多思考。对于核心的数学知识，我觉得有下面五个：

（1）理解梯度的概念，掌握梯度下降法和梯度上升法求函数的最小值和最大值。

（2）掌握迭代法求解方程的思想。因为学校教育的终点是考试，所以给大家灌输的是“公式思维”，而在真正的社会实践中根本没有公式可言，所以迭代法才是真正有用的思维。其实，思维习惯很难纠正的，所以我建议大家对待迭代法要多思考多体会，多读相关的数学读物，重点推荐《数值计算》类型的书籍。

（3）带约束条件的优化问题：拉格朗日乘子法。拉格朗日是非常出名的大数学家，影响力极其深远。在深度学习领域，拉格朗日乘子法是我们深入了解这位伟大科学家的好机会。

（4）正态分布相关的知识。正态分布又叫高斯分布，据说高斯一生有几百个数学发现，但是只有正态分布才是对人类最大的贡献，可见正态分布的分量有多重。另外，高斯过程也是非常重要的。

（5）数据空间的变换：核函数。这是一个抽象的领域，最能体现出数学的抽象之美。

在本阶段，重点推荐下面几本书：

• 1、机器学习的数学，出版时间2021年1月，作者雷明。虽然在上文中点名对这本书进行了批评，但是红花需要绿叶配，大家读完这本书的繁琐无味，更能体会其他精品书籍的畅快淋漓。

• 2、机器学习中的数学，出版时间2019年11月，作者孙博。

• 3、人工智能数学基础，出版时间2020年10月，作者唐宇迪。

• 4、人工智能数学基础，出版时间2021年4月，作者陈华。

• 5、人工智能的数学基础，出版时间2022年9月，作者冯朝路。

提醒1：人工智能数学基础，出版时间2022年9月，作者董久祥。这本书就是坑，虽然名字带上了人工智能，但是里面很多纯数学的东西，真是一本大忽悠之书。

提醒2：此阶段的学习时间建议控制在2-3个月即可。千万不要时间太长，看得越久，你会发现不会的东西越多，你会为了满足自己的好奇心而深挖，如此一来，你的方向就跑偏了。需要注意下，后面有个阶段是PyTorch的学习，它的本质也是数学，它才是你要真正学习的AI数学。

... ... ...

第X阶段：大模型学习阶段。

关于大模型的学习，我给出的学习路线是这样的：

学习Transformer技术->了解BERT技术->了解ChatGPT技术->学习大模型与强化学习交叉技术->了解模型压缩和知识蒸馏技术->解DeepSeek技术

需要提醒大家的是，在上面学习路线中，有的地方需要你去学习它，而有的地方需要你去了解它，因为大模型技术设计到的东西太多了，如果你面面俱到则花费时间是巨大的，而且容易走入死胡同。

由于大模型技术的发展还处于历史早期，所以很多技术更新迭代的太快，今日你所学的炙手可热的新技术，也许明天就是无人问津的老古董，所以大家没有必要把自己搞得很专一很深情，只需要蜻蜓点水，走马观花的态度就可以了。

针对上面提出的学习路线，每个节点我给出的参考书如下所示：

• 学习Transformer技术，请阅读《Transformer自然语言处理》，出版时间是2024年1月，作者是Hugging Face的开发工程师。

• 了解BERT技术，请阅读《BERT基础教程》，出版时间是2023年2月，作者是苏达哈尔桑.拉维昌迪兰