AIJVS 课程中心
不用学完所有理论再动手。你可以在 5 分钟内训练并部署第一个模型，然后再回头搞懂它为什么 work。
两条路线
| 🚀 快速通道 | 📖 系统学习 | |
|---|---|---|
| 适合谁 | 你写过代码，想先看看 AI 能做啥 | 你是纯新手，或者喜欢一步步来 |
| 教学法 | Top-down: 先做出东西，再讲原理 | Bottom-up: 从 Python 和数学基础开始 |
| 第 1 课之后 | 你已经有一个能用的模型了 | 你熟悉了 Python 环境搭建 |
| 共几课 | 6 课 | 23+ 篇文章，4 个阶段 |
| 预估耗时 | 3~5 小时 | 40~60 小时 |
建议： 走快速通道第 1~2 课找感觉，再切换到系统学习补基础。这是最有效率的路。
🚀 快速通道
从实用出发，每次动手做个东西。
第1课：训练并部署你的第一个图像分类器
用预训练模型，5 分钟让机器学会区分猫和狗。再花 5 分钟部署到线上，生成链接发朋友圈。
动手图像分类
📖 核心文章：实战：图像分类（CIFAR-10）
📖 参考：计算机视觉入门
第2课：用三代方案做一个情感分析系统
输入一段影评，判断是好评还是差评。你能亲眼看到：词袋模型（68%）、LSTM（86%）、BERT（93%）——三个时代的技术差距在哪。
动手NLP
📖 核心文章：实战：情感分析系统
📖 参考：NLP入门：文本预处理与词向量
第3课：实时目标检测——让你的摄像头认出东西
YOLOv8 一行代码下载预训练模型，三行代码跑摄像头实时检测。训练自定义数据集，导出到手机/树莓派。
动手计算机视觉
第4课：拆开神经网络看看里面是什么
CNN 为什么擅长看图？RNN/LSTM 为什么记得上下文？先从感性的例子理解，再深入数学原理。
理解原理
第5课：参加你的第一个 Kaggle 竞赛
Titanic 是 Kaggle 的 Hello World。学数据探索、特征工程、模型集成——一套通用竞赛管线，任何表格数据比赛都能复用。
动手竞赛
第6课：参与开源——你的 GitHub 就是简历
从提 Issue 到合 PR，走过完整流程。你会获得两个绿色方块，和一句能在面试时说的话："我有开源贡献。"
职业社区
📖 系统学习
完整的 AI 学习路径，从零到能用。
阶段 0：打地基 （8 篇 · 预计 10~15 小时）
Python 编程 + AI 数学基础。不用精通，够用就行。
阶段 1：核心概念 （7 篇 · 预计 10~15 小时）
机器学习入门、三个主流架构（CNN / RNN / Transformer）、NLP 与 CV 基础。
阶段 2：实战项目 （6 篇 · 预计 15~20 小时）
写完代码跑起来的项目，每篇一个完整应用。
阶段 3：前沿技术 （即将推出）
Transformer 原理、LLM 部署与微调、WebGPU 推理、AI 双周速递、论文解读。
- ⏳ Transformer 架构从零理解
- ⏳ LLM 部署指南：Ollama + vLLM + 量化
- ⏳ 用 LoRA 微调你的第一个模型
- ⏳ WebGPU：在浏览器里跑 AI 推理
- ⏳ AI 双周速递 & 论文解读
学习建议
- 不要试图学完再动手。 先走快速通道第 1 课，30 分钟就有一个能用的模型。再回头补基础——有了”我要解决什么问题”的目标感，学基础会快得多。
- 不要跳过代码。 读十遍不如跑一遍。每篇文章都有完整代码，复制粘贴到你自己的环境里跑一次。
- 遇到问题怎么办？
- 每篇文章底部有评论区（Giscus），直接留言
- 先看评论区有没有人问过同样的问题
- 搜索引擎搜 error 信息（90% 的问题别人已经遇到过）
准备好了？从快速通道第 1 课开始，5 分钟训练你的第一个模型。
评论