0基础自学量子AI：资源全整理

想自学量子AI，又不知道从哪开始？这份0基础资源清单，从入门到进阶全覆盖。
一、数学基础
先补线性代数、概率统计、微积分。推荐公开课程与经典入门书，直观易懂，适合工科与跨专业学习者。
二、量子基础
不用一上来啃硬核物理。优先看面向计算机方向的量子计算课程，重点理解量子比特、门操作、简单算法，避开复杂物理推导。
三、AI与机器学习
先吃透传统机器学习和深度学习。Python、PyTorch/TensorFlow要熟练。推荐多套实战课程，边敲代码边理解。
四、量子AI入门
选择面向程序员的量子机器学习教程，重点学量子神经网络、量子优化、变分量子算法。多使用开源量子AI框架，直接跑代码。
五、平台与实践
使用国内外主流量子云平台，注册后可免费使用量子处理器。从简单演示程序入手，逐步跑通自己的量子AI小项目。
六、进阶方向
想做硬件：深入量子物理、微电子、制冷技术。
想做算法：主攻量子算法、纠错、优化理论。
想做应用：聚焦行业场景+量子AI工具落地。
自学路线总结：
数学打底 → AI为主 → 量子为辅 → 代码实践 → 场景落地
量子AI不需要一步到位，每天1–2小时，坚持3–6个月，就能从0基础变成入门者。
最忌讳：只看视频不敲代码，只学理论不做项目。