AI 学习路线图 · 系列总览（焦点描述 · 中英对照）

ielts 👁 7 · 💬 0 · 📅 2026-09-16

← Blog 📡 RSS

AI 学习路线图 · 系列焦点描述（中英对照）

The AI Learning Roadmap · Focus Description (Bilingual)

系列定位 · What This Series Is

这是一套完整的系统性 AI 学习路线图：从零基础开始，按节奏依次建立计算机基础、数学基础、机器学习、深度学习、NLP 与 Transformer、大模型原理、大模型应用工程与智能体开发的能力，最终走向前沿与职业方向。全系列共 10 站、5 个阶段，预计 10–12 个月完成；每站均提供英文原文与中文译文（正文互相链接）、统一 8 小节结构、动手任务与里程碑自测。里程碑是站与站之间的通关门槛，不是建议。

This is a complete, systematic AI learning roadmap. Starting from zero, it builds up — in deliberate order — computer foundations, mathematical foundations, machine learning, deep learning, NLP and the Transformer, LLM internals, LLM application engineering, and agent development, ending with frontier and career directions. The series has 10 stations in 5 phases, designed to take about 10–12 months. Every station ships an English original and a Chinese translation (cross-linked), a fixed 8-section template, hands-on tasks, and a milestone self-test that gates progress between stations.

五个阶段 · Five Phases

阶段 Phase	站点 Stations	主题 Theme
I · 打地基 Foundations	00–02	工具与数学 · tools & math
II · 懂原理 Core ML	03–04	机器如何学习 · how machines learn
III · 入大模型 The LLM Era	05–06	Transformer 与大模型 · transformers & LLMs
IV · 做产品 Build & Deploy	07–08	应用与智能体 · applications & agents
V · 向未来 Frontier	09	前沿与职业 · frontier & career

十站总览 · The Ten Stations

站	英文 English	中文 Chinese	主题 Theme
00	The Map of the Road	路线图总览	全局心智模型与学习原则 · the map & learning principles
01	Computer Foundations	计算机基础	Python、Git、数据结构 · Python, Git, data structures
02	Mathematics for AI	AI 数学基础	线性代数、微积分、概率、优化 · linear algebra, calculus, probability, optimization
03	Machine Learning Fundamentals	机器学习基础	学习范式、过拟合、评估 · learning paradigms, overfitting, evaluation
04	Deep Learning	深度学习	神经网络、CNN、PyTorch · neural networks, CNNs, PyTorch
05	NLP & The Transformer	NLP 与 Transformer	注意力机制与 Transformer · attention & the Transformer
06	Large Language Models: Inside & Out	大模型原理	预训练、对齐、推理、评估 · pretraining, alignment, inference, evals
07	LLM Application Engineering	大模型应用工程	提示、RAG、函数调用、生产 · prompting, RAG, tool calls, production
08	AI Agents	智能体开发	智能体循环、规划、记忆、护栏 · agent loops, planning, memory, guardrails
09	Going Further: Frontier & Career	进阶与职业	多模态、作品集、职业路径 · multimodality, portfolio, career

每站统一结构 · The 8-Section Template

为什么这一站重要 → 核心概念 → 工具与技能 → 动手任务 → 里程碑检查点 → 精选资源 → 时间规划 → 衔接下一站

Why this stage matters → Core concepts → Tools & skills → Hands-on tasks → Milestone checkpoint → Curated resources → Time estimate → Bridge to the next stage

学习方法 · How to Learn

动手学习 Learn by building — 里程碑与项目是通关要求，不是建议（milestones are the gates, not suggestions）
80/20 原则 — 每站只覆盖产生 80% 能力的 20% 知识（the 20% that gives 80% of the capability）
数学按需引入 Just-in-time math — 用到才学，先直觉后公式（intuition first, formulas second）
知识复利 Compounding — 每站显式复用前一站（every stage reuses the previous one）
进度可见 Visible progress — 写下来、讲出来，用里程碑检验（write it down and explain it）

时间规划 · Suggested Pace

每周 10–15 小时，按 5 个阶段推进：

阶段 Phase	时间 Time
I · 打地基 Foundations	第 1–2 个月 · Months 1–2
II · 懂原理 Core ML	第 3–5 个月 · Months 3–5
III · 入大模型 The LLM Era	第 6–7 个月 · Months 6–7
IV · 做产品 Build & Deploy	第 8–10 个月 · Months 8–10
V · 向未来 Frontier	第 11 个月起 · Month 11+

系列焦点描述 · Focus description. 中英对照 / Bilingual. 全部 20 篇文章已发布至 AI 焦点（2026-09-16）。