AI人工智能学习资源太杂？按这个清单来就够

做AI人工智能学习这件事，我最开始也栽在"资源太多"上。收藏夹里躺着四十多个链接，B站缓存了十几个合集，网盘里还有三个G的PDF。结果呢？一个都没看完。挺离谱的。后来我狠心删到只剩几个，反而三个月出了效果。这份清单就是我删完之后留下的东西，按阶段排好了，每个资源标清楚适合什么时候用、免费额度够不够、我自己用到什么程度。你照着走，能少踩很多坑。要是还没想清楚自己为什么要学，可以先看学习AI前先想清楚这5件事，想明白了再回来对清单。

入门期：AI人工智能学习头两个月，两个老师的课就够

原子答案：入门期只推荐吴恩达的Machine Learning Specialization和李宏毅的机器学习课程，一个英文一个中文，配套全免费。每天一小时，两个月能过完基础。别的课先别碰。

先说吴恩达。这门课在Coursera上可以免费旁听，注册后选"旁听"就行，作业部分才要钱。我个人觉得他的讲课节奏是所有老师里最稳的，语速慢，公式推导一步一步来，手写板书比PPT看着舒服。我2024年冬天开始刷，每天早上上班前听一节，大概35分钟一节，配合做笔记，整个专项五门课花了七个星期。费用为零。缺点是旁听拿不到证书，但学知识完全够用，证书那东西除了发朋友圈没什么实际用途。

再说李宏毅。台大的老师，课程视频全在YouTube和他个人网站上，免费。他是中文授课，讲得比绝大多数国内付费课有趣，会用宝可梦举例讲梯度下降，我第一次听的时候笑出声。我的用法是：吴恩达听不懂的章节，去李宏毅那里再听一遍中文版，两个对照着来，理解速度快一倍。B站有搬运，画质稍差但有字幕，懒人直接搜就行。

理论补强期：两本书加一个网站，免费额度意外地大

原子答案：理论期用《统计学习方法》加《动手学深度学习》，一个补数学一个补代码，两个都有免费电子版。这阶段别贪多，一本吃透胜过五本翻目录。

李航的《统计学习方法》是我啃得最痛苦也最值的书，第二版电子版网上能找到。老实讲，前两章我看了三遍才看懂，那些数学符号对文科背景的人不太友好。但啃完之后回头看吴恩达的课，突然全通了。这本书适合入门课过完之后马上接上。别一上来就看，会劝退。

《动手学深度学习》是另一本，李沐团队写的，官网直接在线看，全部免费，代码用PyTorch跑。这本书强在"边看边跑代码"，每章都有能运行的notebook。我学注意力机制那章时，把书里的代码抄进本地跑了一遍，改了几个参数看输出变化，比干看公式理解深多了。配套的B站视频我也看了，李沐讲transformer那几集值得反复看。说个具体数字：这本书我前后花了六周，每天晚上一小时多，笔记记了四十多页。资源怎么取舍，我在AI学习资料囤了3个G不如吃透这5份里写过完整思路，核心就一句：减法比加法重要。

实战期：Kaggle加Hugging Face，白嫖算力的正确姿势

原子答案：实战期主战场是Kaggle和Hugging Face，两个平台都提供免费GPU和在线环境，每周免费额度够做两三个小项目。这阶段产出作品，比多看十节课有用。

Kaggle我用了两年多。免费注册，浏览器里直接跑notebook，每周送大约30小时的GPU时长（P100），TPU也有额度。我第一次参加Titanic入门赛是在2025年3月，当时连pandas都用不利索，照着别人的notebook抄了一遍，跑通整个流程，那个瞬间成就感很强。我的建议：先把入门赛做完，再看情感分析类比赛。头部奖金赛先别碰，那是职业选手的战场。Kaggle的学习价值一半在比赛，另一半在看别人的代码，排名靠前的notebook我经常逐行拆解。

Hugging Face是另一个必须收藏的。模型库免费，Spaces能免费跑小模型，Transformers库的文档写得很细。我拿它做过一个中文文本分类的小项目，用免费的BERT中文模型微调，数据自己标的，两百条左右，效果能到85%准确率。全程没花一分钱，跑在我那台没有独显的旧笔记本上，用的CPU推理，一次预测大概15秒。慢是真慢。但练手够了。想系统走一遍，Hugging Face官方的免费NLP课程质量也高，配套环境都搭好了，网页里直接跑。类似的免费站点还有不少，我在学AI的网站免费的有几个里做过汇总。

插一句题外话。上周有个朋友问我，说他花钱买了个两千多的AI课，讲的内容跟吴恩达免费课重合度大概七成，问我值不值。我看完目录，没好意思直说。话说回来，付费课不是完全没价值，有人需要监督和服务，这笔钱买的是陪伴不是知识。但如果你跟我一样预算有限、自律还行，免费路线真的走得通。这不是安慰话，是我自己验证过的路线。

分阶段资源对照表：什么时候用什么，一目了然

原子答案：下表按学习阶段排好了资源顺序和免费情况，直接对照自己当前阶段取用。推荐度是我基于实际体验打的主观分，星级代表我个人觉得值不值。

表里那门付费课我就不点名了，怕惹麻烦。真不是故意贬低，只是对比太明显。怎么判断一门课值不值，AI学习课怎么选那篇里我给了更细的筛选标准，试听判断法比看宣传页靠谱。

AI人工智能学习里被低估的资源：官方文档和开源代码

原子答案：PyTorch官方教程和DeepLearning.AI的短课程全部免费，质量被严重低估。学有余力时读开源项目源码，是拉开差距的隐性资源。

PyTorch官网的60分钟入门教程，我愿称之为人人都能看懂的好文档，中文版官网就有。很多人学AI人工智能学习到一半卡在框架上，回头把这个教程过一遍就通了。DeepLearning.AI的短课程也是宝藏，跟LangChain这些机构合作的那些，一两个小时一门，讲大模型应用开发，全免费，配套环境网页里直接跑。我去年一口气学了五门，做AI应用的原型速度快了很多。

再往深走就是读源码。GitHub上开源项目随便看，不要钱。我读过某个RAG项目的代码，两千多行，读完之后对检索增强的理解上了一个台阶。读不懂没关系，硬着头皮读，配合问AI，比看十篇二手解读文章都强。顺带一提，Coursera在2024年财报里披露过注册学习者超过1.4亿，免费旁听是平台明面上允许的模式，放心用。

常见问题

原子答案：下面四个问题是读者问我最多的，答案都基于我自己的实际经历，不搬官话。对号入座找你的情况就行。

AI人工智能学习完全零基础，这份清单从哪个开始？

从李宏毅的课开始。中文授课对零基础最友好，先建立整体概念，再去碰吴恩达。别买课，别囤书，前两个月只做一件事：把入门课看完。

免费资源真的够用吗，会不会学了个半吊子？

够用到进阶阶段。清单里入门和理论部分全免费，实战平台的基础额度也够练手。到需要跑大模型微调、或者要系统补数学的时候，才需要考虑花钱，那时候你早就知道自己缺什么了。

Kaggle每周的GPU时长用完了怎么办？

省着用。我一般只在大批量训练时开GPU，调代码用CPU模式，30小时能撑两周。真不够可以用Google Colab的免费额度接力，或者花小钱升级，一个月几十块，比买课便宜太多。

工作忙只能碎片时间学，这套清单还适用吗？

适用，把周期拉长就行。我当时也是每天一小时，全程走了大半年。视频类资源适合碎片时间，代码类留到整块时间，节奏自己定就好。

写到这，清单算是交代完整了。AI人工智能学习这条路，资源从来不是瓶颈，筛选和坚持才是。这份清单里的每个链接我都亲手用过，免费额度我也实测过边界，照着走不会翻车。中途卡住很正常，AI学习最容易半途而废的三个坎我全都踩过，提前知道会好受些。觉得有用的话，转给那个还在收藏夹里囤课的朋友吧，帮TA省点钱也省点焦虑。