最后更新于：2026年3月14日 晚上
未来学习路线–随笔
🗺️ 杭电计科学硕 · AI全栈工程师 · 完整学习路线（附B站链接）
📅 Phase 0：数学基础补强（2-3周）
不需要死磕，理解直觉和核心概念即可，后面遇到再回来补。
0.1 线性代数（1周）
🎬 3Blue1Brown《线性代数的本质》
🔗 https://www.bilibili.com/video/av6731067
通过直观的动画演示，理解线性代数的大部分核心概念。1
text
1
2
3
4
5
6
| 重点掌握：
├── 向量与矩阵运算
├── 线性变换的几何直觉
├── 特征值与特征向量
├── 矩阵乘法的本质
└── 这些在Transformer的注意力机制中大量使用！
|
0.2 概率统计 + 微积分
🎬 吴恩达《机器学习数学基础》概率论和统计
🔗 https://www.bilibili.com/video/BV1Pa411X76s （该课程内有配套数学基础部分）
text
1
2
3
4
5
6
| 重点掌握：
├── 概率分布（正态分布、伯努利分布）
├── 贝叶斯定理（NLP中的基础）
├── 梯度与链式法则（反向传播的核心）
├── 最大似然估计
└── 不需要证明，理解含义会用就行
|
📅 Phase 1：Python快速上手（2周）
你已有JS/Node.js基础，Python语法1周就能上手，重点放在科学计算库。
1.1 Python基础语法
🎬 小甲鱼《零基础入门学习Python》（B站播放量最高的Python教程）
🔗 https://www.bilibili.com/video/av4050443
B站播放量最高的Python教程2，适合快速入门。你有编程基础，可以1.5x-2x倍速刷完基础部分。
text
1
2
3
4
5
6
7
8
| 你已有JS基础，重点学这些差异点：
├── 列表推导式 [x for x in range(10)]
├── 字典、元组、集合
├── 装饰器（@decorator）
├── 类与继承（和JS的class类似但更简洁）
├── 生成器与迭代器（yield）
├── 上下文管理器（with语句）
└── 虚拟环境管理（venv/conda）
|
🎬 黑马程序员Python教程（更系统全面）
🔗 https://www.bilibili.com/video/BV1qW4y1a7fU
1.2 Python科学计算三件套
text
1
2
3
4
| 直接在学机器学习的过程中边用边学，不需要单独花太多时间：
├── NumPy → 矩阵运算（类似JS数组但强大100倍）
├── Pandas → 数据处理（类似操作Excel/数据库）
└── Matplotlib → 数据可视化（画图）
|
📅 Phase 2：机器学习入门（4-5周）
2.1 吴恩达机器学习（首选 · 必看）
🎬【首选推荐】吴恩达2022新版《Machine Learning Specialization》（中英字幕）
🔗 https://www.bilibili.com/video/BV19B4y1W76i
吴恩达2022机器学习 machine learning specialization共计142条视频3，这是最新版本，用Python+TensorFlow/NumPy实现，比老版更适合当下学习。
text
1
2
3
4
5
6
7
8
9
10
11
12
13
| 学习节奏建议（每天2-3小时，共4周）：
├── Week 1-2：监督学习
│ ├── 线性回归 + 梯度下降
│ ├── 逻辑回归 + 分类
│ └── 损失函数 + 正则化
├── Week 3：高级学习算法
│ ├── 神经网络基础
│ ├── 决策树
│ └── 集成学习
└── Week 4：无监督学习
├── 聚类（K-means）
├── 降维（PCA）
└── 推荐系统
|
🎬【备选/补充】吴恩达老版经典（更偏理论推导）
🔗 https://www.bilibili.com/video/BV164411b7dx
吴恩达机器学习4经典老版，适合初学机器学习、深度学习的人学习4。
🎬【补充】斯坦福CS229（如果你想更深入数学原理）
🔗 https://www.bilibili.com/video/BV1EW411R7g6
斯坦福 吴恩达CS229机器学习中英双语字幕，共20讲5。更偏数学推导，写论文时补看。
📅 Phase 3：深度学习 + PyTorch（6-8周）⭐ 核心阶段
3.1 李宏毅深度学习（中文最佳 · 强烈推荐）
🎬【最推荐】李宏毅2025春《机器学习》最新版（已授权搬运）
🔗 https://www.bilibili.com/video/BV1aiADewEBC
2025年春季版课程，内容覆盖生成式AI、AI Agent原理、语言模型内部运作机制、大型语言模型训练方法6，还专门讲了DeepSeek-R1这类大型语言模型是如何进行「深度思考」（Reasoning）的7。这是目前最新、最前沿的中文AI课程！
text
1
2
3
4
5
6
7
8
9
10
11
| 课程亮点（2025最新版）：
├── 第一讲：生成式人工智能的技术突破与未来发展
├── 第二讲：AI Agent的原理 ⭐
├── 第三讲：语言模型内部运作机制剖析
├── 第五讲：大型语言模型训练方法（预训练-对齐）
├── 第七讲：DeepSeek-R1 深度思考 ⭐
├── 第九讲：大型语言模型评估
├── 第十讲：Model Editing
├── 第十一讲：Model Merging
├── HW7：RLHF实操
└── HW10：Diffusion实操
|
🎬【经典基础版】李宏毅2021/2022机器学习课程（打基础看这个）
🔗 https://www.bilibili.com/video/BV1TAtwzTE1S
李宏毅机器学习深度学习系列课程全集，公认体验感最好的入门课程6。如果2025版太前沿看不懂，先看这个打基础。
text
1
2
3
4
5
6
7
8
| 基础版学习重点：
├── 回归 → 分类 → 深度学习基础
├── CNN（卷积神经网络）
├── RNN / LSTM（循环神经网络）
├── ⚡ Self-Attention（自注意力机制）⚡
├── ⚡ Transformer架构 ⚡ ← 最重要！
├── GAN（生成对抗网络）
└── BERT / GPT 预训练模型
|
🎬【补充】李宏毅2024春《生成式人工智能导论》
🔗 https://www.bilibili.com/video/BV1BJ4m1e7g8
该课程的目标受众为初学者，不需要任何先验知识8，专门讲大模型时代的AI，包括大型语言模型修炼史、RLHF8等前沿内容。
3.2 PyTorch框架学习
🎬【快速入门首选】小土堆《PyTorch深度学习快速入门教程》
🔗 https://www.bilibili.com/video/BV1hE411t7RN
PyTorch深度学习快速入门教程共计33条视频，包括PyTorch环境的配置及安装、Python编辑器的选择9等。本系列教程将带你用全新的思路快速入门PyTorch，独创的学习思路，仅此一家。9
text
1
2
3
4
5
6
7
8
9
| 学习内容：
├── PyTorch安装与环境配置
├── Tensor（张量）操作
├── Dataset & DataLoader
├── 神经网络搭建（nn.Module）
├── 损失函数与优化器
├── 模型训练与验证流程
├── GPU加速训练
└── 模型保存与加载
|
3.3 李沐《动手学深度学习》（边学边练 · 进阶必看）
🎬 李沐《动手学深度学习》PyTorch版（完整161集）
🔗 https://www.bilibili.com/video/BV1f5411P769
开源书籍地址：https://zh-v2.d2l.ai/[10](https://blog.csdn.net/qq_43361801/article/details/149606524)，面向中文读者的能运行、可讨论的深度学习教科书，含PyTorch、NumPy/MXNet、TensorFlow和PaddlePaddle实现[11](https://zh.d2l.ai/)。
💡 学习建议： 先看李宏毅的课程打好理论基础，再来看李沐的动手实践12。人家的重点是在”动手学”，代码流程有视频讲解，数学公式不懂上B站搜，视频一定要看，里面很多细节12。
text
1
2
3
4
5
6
7
8
| 重点章节（选择性深入）：
├── 第3-4章：线性网络 + 多层感知机（基础）
├── 第5-6章：CNN卷积神经网络（了解即可）
├── 第7章：RNN循环神经网络（NLP基础）
├── 第8章：优化算法
├── ⚡ 第10章：注意力机制 ⚡ ← 最重要！
├── ⚡ 第11章：Transformer ⚡ ← 最最重要！
└── 跟着代码敲一遍，加深理解
|
🎬 尚硅谷NLP教程（Transformer、LSTM、BERT、LLM、大模型训练）
🔗 https://www.bilibili.com/video/BV1k44LzPEhU
NLP自然语言处理课程，涵盖Transformer、LSTM、BERT、LLM、大模型训练13。
text
1
2
3
4
5
6
7
8
9
10
11
| Transformer学习清单（必须吃透）：
├── 词向量（Word2Vec, GloVe）
├── Seq2Seq + Attention机制
├── Self-Attention（自注意力）
├── Multi-Head Attention（多头注意力）
├── Positional Encoding（位置编码）
├── Encoder-Decoder架构
├── Layer Normalization
├── BERT架构（双向编码器）
├── GPT架构（单向解码器）
└── 论文精读："Attention Is All You Need"
|
4.2 吴恩达深度学习（补充理论）
🎬 吴恩达《深度学习》Deep Learning Specialization（中文字幕·完整176集）
🔗 https://www.bilibili.com/video/BV1gb411j7Bs
深度学习_吴恩达_DeepLearning.ai共计176条视频14。涵盖CNN、序列模型、注意力机制等完整5门课。
📅 Phase 5：⭐ 大模型应用开发（8-10周）⭐ 最核心阶段
5.1 FastAPI（Python后端框架 · 2周）
你会Node.js/Express，FastAPI思路一模一样，学起来很快
🎬 B站搜索「FastAPI教程」（推荐黑马或其他高播放量教程）
text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
| Express vs FastAPI 对比学习：
app.get('/api/users', async (req, res) => {
const users = await getUsers();
res.json(users);
});
# FastAPI (Python) - 你即将学的
@app.get('/api/users')
async def get_users():
users = await get_users()
return users
→ 几乎一模一样！你会Express就等于半会FastAPI了
学习重点：
├── 路由定义 & 请求处理
├── Pydantic数据验证（比Express的joi更优雅）
├── 异步支持（async/await，和Node.js一样）
├── 自动生成API文档（Swagger/OpenAPI）
├── 中间件 & 依赖注入
└── 与AI模型服务对接
|
5.2 LangChain框架学习（核心·4周）
🎬【推荐】2025 LangChain大模型全套教程（LLM+RAG+Agent+OpenAI）
🔗 https://www.bilibili.com/video/BV1UnQaYgEhg
2025吃透LangChain大模型全套教程共计72条视频，包括LangChain模块和体系、LLM & Chat models、PromptTemplates、OutputParses、Chains、LCEL & Runable interface15等。
🎬【项目实战】黑马程序员大模型RAG与Agent智能体项目实战
🔗 https://www.bilibili.com/video/BV1yjz5BLEoY
本课程基于主流的LangChain技术，完成企业级项目实战案例，注重学生的实战能力培养16。
🎬【补充】尚硅谷LangChain教程（快速入门）
🔗 https://www.bilibili.com/video/BV1ZppNzHEY4
text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
| LangChain学习路径：
├── Week 1：基础概念
│ ├── LLM / ChatModel 调用
│ ├── PromptTemplate（提示词模板）
│ ├── OutputParser（输出解析）
│ └── Chain（链式调用）
├── Week 2：LCEL + Memory
│ ├── LangChain Expression Language
│ ├── Runnable Interface
│ ├── Memory（对话记忆管理）
│ └── Streaming（流式输出）
├── Week 3：RAG系统 ⭐
│ ├── 文档加载（PDF/Word/网页）
│ ├── 文本切分（Text Splitter）
│ ├── 向量化（Embeddings）
│ ├── 向量数据库（Chroma/FAISS/Milvus）
│ ├── 检索器（Retriever）
│ └── 生成（结合LLM生成回答）
└── Week 4：Agent智能体 ⭐
├── Tool（工具定义与调用）
├── Agent类型（ReAct, OpenAI Functions等）
├── Function Calling
└── Multi-Agent（多智能体协作）
|
5.3 吴恩达大模型系列课（理论+实战）
🎬 吴恩达LLM大模型系列教程
🔗 https://www.bilibili.com/video/BV1Pa411X76s （含LangChain/RAG/Agent多个子课程）
2025公认最全的吴恩达大模型LLM系列教程，附代码。LangChain、微调ChatGPT提示词、RAG模型应用、Agent、生成式AI3。
🎬 吴恩达最新《Agentic AI》智能体课程
吴恩达2025年公认最好的提示词工程教程17和吴恩达最新《Agentic AI》大佬亲授智能体教程4也推荐一看。
5.4 大模型微调（LoRA/QLoRA）
🎬 LLM大模型微调入门教程
🔗 https://www.bilibili.com/video/BV1v1UYBrEFG
大佬手把手带你入门大模型微调共计97条视频，包括章节介绍、AI技术浪潮18等内容。
📅 Phase 6：实战项目（研二上·持续进行）
项目一：基于RAG的智能知识库问答系统
text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| 技术栈（完美串联你所有技能）：
┌──────────────────────────────────────────┐
│ 前端（你的强项） │
│ ├── React/Vue + TypeScript │
│ ├── 对话界面（类ChatGPT） │
│ ├── 流式输出渲染（SSE/WebSocket） │
│ └── 文档上传 & 管理界面 │
├──────────────────────────────────────────┤
│ 后端 │
│ ├── Node.js/NestJS → 业务逻辑 & 用户管理 │
│ ├── FastAPI → AI模型服务层 │
│ └── MySQL + Redis + 向量数据库 │
├──────────────────────────────────────────┤
│ AI层 │
│ ├── LangChain → RAG Pipeline │
│ ├── Chroma/Milvus → 向量存储 & 检索 │
│ ├── 开源大模型（Qwen/GLM）→ 生成回答 │
│ └── 可选：LoRA微调提升领域专业度 │
└──────────────────────────────────────────┘
|
项目二：AI Agent工作流可视化平台
text
1
2
3
4
5
| 技术栈：
├── 前端：可拖拽的Agent编排界面（React Flow）
├── 后端：Node.js + FastAPI微服务
├── AI层：LangGraph多Agent协作 + MCP协议
└── 亮点：把你的前端优势发挥到极致！
|
📅 Phase 7：论文方向 + 求职准备（研二下~研三）
论文方向建议
text
1
2
3
4
5
6
| AI + 人机交互/可视化 交叉方向（完美结合前端背景）：
├── "基于LLM的自然语言驱动UI自动生成"
├── "RAG增强的领域知识可视化探索系统"
├── "AI Agent在复杂任务中的交互设计与用户研究"
├── "大模型辅助的低代码开发平台"
└── 目标会议/期刊：CHI、UIST、IUI、CSCW、VIS
|
求职面试准备
🎬 AI大模型面试指导
🔗 https://www.bilibili.com/video/BV16zyhBAETx
学员真实面试遇到的12个面试难题，老师一对一电话指导19，涵盖Agent多智能体、Milvus、RAG准确率与召回率等真实面试场景。
text
1
2
3
4
5
6
| 面试准备清单：
├── LeetCode刷题200+（用Python刷）
├── AI八股：Transformer原理、RAG流程、Agent架构
├── 前端八股：你本来就会（额外加分项）
├── 系统设计：如何设计高可用RAG系统
└── 项目深挖：你的AI项目细节烂熟于心
|
📋 完整视频资源速查表
📖 配套教科书/网站：
⏰ 时间总表（一张图看清全局）
text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
| 研一上（9月-1月）
├── [2周] Phase 0：数学基础（3B1B线代 + 边学边补）
├── [2周] Phase 1：Python快速上手
├── [4-5周] Phase 2：机器学习（吴恩达2022新版）
├── [6-8周] Phase 3：深度学习+PyTorch（李宏毅+小土堆+李沐）
└── 同步：实验室前端任务照常完成 ✅
研一下（2月-6月）
├── [3-4周] Phase 4：NLP + Transformer深入
├── [2周] Phase 5.1：FastAPI学习
├── [4周] Phase 5.2：LangChain + RAG + Agent
├── [2-4周] Phase 5.3：吴恩达大模型系列 + 微调
├── [持续] Phase 5.4：第一个实战项目启动
└── 同步：和导师沟通论文方向（AI+HCI/可视化）✅
研二上（9月-1月）
├── Phase 6：完成2个实战项目
├── 论文撰写 & 投稿
├── 大模型微调深入
└── LeetCode开始规律刷题
研二下（2月-6月）
├── 论文修改 & 发表
├── 暑期实习求职（目标：阿里/网易/海康/字节）
└── 实习岗位：AI应用开发工程师 / 大模型开发工程师
研三（9月-毕业）
├── 秋招（全力冲刺）
├── 毕业论文
└── 🎓 毕业 → 入职
|
🎯 每日学习时间分配建议
text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| ┌────────────────────────────────────────┐
│ 每天可用学习时间假设：8-10小时 │
├────────────────────────────────────────┤
│ 🔬 实验室前端任务 2-3小时 (25%) │
│ 📚 AI自学（看视频+敲代码）4-5小时 (50%)│
│ 📖 研究生课程 1-2小时 (15%) │
│ 💻 LeetCode刷题 30-60分钟 (10%) │
└────────────────────────────────────────┘
建议作息：
├── 上午 9:00-12:00 → AI自学（看视频，精力最好时段）
├── 下午 14:00-17:00 → 实验室任务 + 代码实践
├── 晚上 19:00-21:30 → AI自学（敲代码复现）
└── 睡前 21:30-22:00 → LeetCode 1题
|
最后提醒：不要贪多！ 视频资源给了很多，但核心主线只有一条：
吴恩达ML → 李宏毅DL → 小土堆PyTorch → 李沐d2l → LangChain实战 → 项目 → 求职
其他都是补充和参考。按这条主线走，坚持每天3-5小时，1年内一定能建立起扎实的AI全栈开发能力。加油！💪