从零基础登顶 AI:把全世界最好的 16 门公开课,排成了一条自学路线 -- 基础 → 强化 → 创新,三层往上爬,按需选学,不必全修

导语（可作摘要）： 自学 AI 最大的敌人，从来不是没资源，而是不知道先学什么。我把全球最好的 16 门公开课，按「基础 → 强化 → 创新」排成一条清晰路线，每门都配中文重点解读——讲什么、为什么重要、学到什么程度算过关。地图永久免费，路得自己走。

一、自学 AI 最大的敌人，不是没资源，是不知道先学什么

如果你是个想自学 AI 的大学生，你大概率不缺课。

B 站、YouTube、各大名校公开课，多到一辈子看不完。但真正难的，是判断——

先学哪门？哪些能跳过？每门课学到什么程度才算够？怎么把"看完一门课"变成"能做出一个项目"？

更麻烦的是，AI 的更新速度远远快过传统课程体系。光是搞清楚"这条路该怎么走"，就要耗掉大量时间和心力。结果往往是两种：要么收藏夹里躺着一堆链接，迟迟没真正开始；要么学到一半卡住，然后放弃。

资源不是问题，路线才是。

二、所以我做了一张地图：不是又一个学习平台，而是一条路线

先把定位说清楚：这不是一个学习平台，而是一张公开课自学路线图。

它不搬运、也不镜像任何官方课程内容。真正的学习，发生在官方公开课、作业、代码和项目实践里。地图只负责一件事——帮你把路看清楚。

具体做三件事：

1. 1. 筛选公开课——只选公开可访问、长期维护、教学质量高的课，而不是堆一份越长越好的资源清单。
2. 2. 排出学习顺序——把数学、编程、机器学习、深度学习、大模型和系统前沿，放进一条可执行的路线，降低你的路径判断成本。
3. 3. 提供中文解读——每门核心课都补一段中文重点：讲什么、为什么重要、怎么学不踩坑、学到什么程度算过关。

三、三层往上爬：基础 → 强化 → 创新

整条路线 16 门课、3 个进阶层级，按需选学，不必全修。

🟢 第 1 层 · 基础（约 28–40 周）

打牢数学、编程与 AI 的地基，具备做项目的能力。学完之后，你能跑通分类/回归、搭起并训练神经网络，做出第一个像样的 AI 项目。

代表课程：

• • MIT 18.06 + 3Blue1Brown——线性代数 + 数学直觉双管齐下，给后面所有课和读论文铺地基
• • 哈佛 CS50 AI——最友好的 AI 第一课，搜索、知识、优化、学习、神经网络全配 Python 项目
• • MIT 6.390 机器学习导论——机器学习的工程化打底，配每周动手 lab
• • 斯坦福 CS229——回到 ML 的数学根，从推导理解每个算法的来历
• • MIT 6.S191 深度学习导论——每年更新的快节奏入门，已覆盖 LLM 与生成式 AI
• • CS231n（CV）/ CS224N（NLP）——计算机视觉与自然语言两条线，后者是理解大模型的入口
• • CS329S 机器学习系统设计——数据、部署、监控、迭代的工程化思维

并行短课（deeplearning.ai 免费旁听）：吴恩达三件套、GenAI 应用栈（Prompt / LangChain / RAG）、AI 编程 / Vibe Coding。学术课打地基，短课追热点。

🟡 第 2 层 · 强化（在基础之上 +6–9 月）

夯实理论与工程，亲手从零搭模型、读懂大模型。学完能完成中高强度项目，复现核心模型。

代表课程：

• • 斯坦福 CS221——经典 AI 的系统训练：搜索、约束满足、马尔可夫决策、博弈、逻辑
• • CMU 11-785（硬核版）——研究生强度的深度学习，作业要求亲手复刻 PyTorch 组件
• • Karpathy「Zero to Hero」——从手写反向传播一路到手搓一个 GPT，最适合动手派
• • 斯坦福 CS336 从零构建语言模型——分词、架构、并行、scaling law 到推理评测全程搭一遍，前沿压轴

并行短课：看懂 LLM 内部、Agent 智能体（当下最热方向）、微调与后训练（Post-training / RLHF / GRPO）。

🔴 第 3 层 · 创新（在强化之上 +6 月起）

面向研究与前沿创新，具备论文阅读与复现能力。学完能读懂并复现前沿论文，沉淀出能代表自己的作品集。

代表课程：

• • UC Berkeley CS285 深度强化学习——Agent 与对齐（RLHF）的基础，大模型时代更重要
• • 斯坦福 CS236 深度生成模型——自回归、VAE、GAN、扩散，理解今天图像/视频生成的底层
• • MIT How2AI——研究生研讨课，重点是多模态 AI 与研究方法：怎么读论文、怎么做项目
• • AI Safety Fundamentals——AI 安全与对齐入门，拔尖路径至少修一门

并行短课：工程与安全（vLLM 高效推理、红队测试、Guardrails 护栏）。

四、一个人爬不动？训练营陪你走完

地图和路线永久免费开放。但说句实话——自学最大的敌人是放弃，不是没资源。

当你已经知道该学什么之后，怎么持续推进、有人答疑、有人复盘，最后把学习结果变成项目和作品集，这是另一件事。训练营就是为此而设：

• • AI 自学陪跑（线上）——把"想学却卡住"拆成可执行的每周任务，有监督、有直播答疑、有阶段测评和作业复盘。适合有自学意愿、但一个人坚持不下来的本科生。
• • AI 项目实训（线下）——围绕一个完整 AI 项目带练，从选题、建模、训练到部署评测全程陪练，补上"课学了却不会做项目"的最后一公里。适合已有基础、想用真实项目把能力落地的学生。

报名方式是先咨询、再匹配：先聊你的基础、目标和可投入时间，再判断你适合自学陪跑、项目实训，还是继续按公开课路线自己学。

五、先看地图，再决定

高高山顶立，深深海底行。跟着关卡走，拿到 AI offer。

• • 只需要一条清晰的自学顺序 → 直接打开学习地图（免费）：ai.pkucode.com
• • 已经知道自己会卡在执行、答疑或项目落地 → 扫码咨询训练营