邮件订阅
加入社区
订阅我们的邮件以获取最新的新闻和更新
大多数人学习 AI 失败，不是因为材料太难，而是因为他们选择了与自己大脑学习方式不符的教学风格。 如果你正尝试进入人工智能领域，你很可能正遭受 “分析瘫痪” 的困扰。仅我们的数据库就列出了超过 1,800 种资源。你应该从线性代数开始吗？你应该下载 Python 吗？你应该直接尝试构建一个聊天机器人吗？ 秘密在于，学习没有一个 “正确” 的方法。AI 教育中有三种截然不同的思想流派。 如果你选择与你的学习风格匹配的那一个，你将突飞猛进。如果你选错了，你会在三周内筋疲力尽。以下是这三种路径 ——构建者（The Builder）、** 工程师（The Engineer）和玩家（The Gamer）** 的细分，以及如何决定哪种适合你。
2025/12/18
这种方法将 AI 模型视为软件 API。你先学习如何驾驶汽车，再学习内燃机的工作原理。你从编写实际 “做” 某些事情的代码开始 —— 比如识别猫或生成文本 —— 并且只有在需要调试时才学习理论。
软件工程师、应用开发者、黑客和容易被抽象理论感到厌倦的视觉学习者。
Fast.ai
这门课程由 Jeremy Howard 教授，以其 “自上而下” 的方法而闻名。在第一课中，你就会构建一个实际工作的图像分类器。它给你即时的成功 “多巴胺刺激”，让你有动力在后期啃下更难的概念。
你可能因为跳过了基础数学，而在后期难以调试复杂的模型。你可能会变成一个只会复制粘贴代码，但无法发明新架构的 “脚本小子”。
这个学派认为，除非你理解其底层的线性代数、微积分和统计学，否则你无法真正掌握 AI。你先构建引擎。你不仅仅是导入一个库；你从头开始编写算法，以理解其核心。
计算机科学学生、数学家和想要发明新 AI 架构，而不仅仅是使用现有架构的工程师。
DeepLearning.AI (吴恩达 Andrew Ng)
吴恩达是简单解释复杂概念的大师。他在 Coursera 上的课程不回避数学，而是拥抱它。你将带着不可动摇的基础离开。当明年有新工具出现时，你不会感到困惑，因为你理解了它所基于的数学。
这是一个缓慢的开始。你可能要花上数周时间研究梯度下降，才能在屏幕上看到一个酷炫的图像出现。它需要极大的自律性来熬过 “枯燥” 的时期。
你不看视频；你尝试用公开排行榜解决一个具体问题。如果你的模型很烂，你学习原因并进行修复。这是通过快速重复的失败来学习。
竞争型人格、需要具体目标（例如，“预测房价”）的人，以及正在建立作品集的求职者。
Kaggle
它提供即时反馈。你不仅仅是在真空中学习；你是在与公开排行榜上的其他人一起编程。 “Notebooks” 部分允许你复制粘贴 Grandmasters 的代码，看看他们是如何思考的，有效地让你在世界顶尖高手手下学习。
它可能会让人不知所措。在没有任何事先指导的情况下直接参加竞赛，很容易产生 “冒名顶替综合症”。
那么，你应该选择哪一个呢？最好的学习者不会只选一个；他们会按顺序来。
不要收藏这篇文章。立即在下方选择一个链接，并观看第一个视频。