阶段 1 · 中文入门
AI 大学堂（aidaxue.com）
科大讯飞做的中文平台，从“什么是 AI”讲起，也有提示词和办公场景的内容。对不想一上来就啃英文的人来说，门槛低很多。
我的用法：先用它把概念过一遍，有底了再去 Kaggle Learn 写代码。
访问 AI 大学堂官网
aidaxue.com
5 个阶段
从零基础到 Agent
6 个网站
按阶段匹配
中英混搭
中文入门 + 英文动手
3 个坑
都是自己踩过的
路线
五个阶段，时间仅供参考
下面这条 AI 学习路线是按“能力递进”排的，不是按课程数量排的。每个阶段写了大概要多久、该干什么、用哪个网站。时间按每周 10 小时估，你如果只能周末学，往后推就行。
阶段 1
大概前三周
先搞清楚 AI 能干什么
不用写代码。重点是知道哪些任务适合丢给 AI、哪些不适合，以及大概为什么。做产品、运营或者管理的，这段别跳过——后面看代码时，这层判断力能帮你判断一个方案靠不靠谱。
阶段 2
一到三个月，看基础
Python 和数据处理
这段没什么捷径，就是写。好在 Kaggle Learn 不用配环境，打开网页就能敲，每门课几个小时能过完。我当时是每天下班后做一门，两周把 Pandas 和 SQL 过了一遍，比看视频有用得多。有 Python 基础的人可以压到两周，直接跳。
阶段 3
三到六个月
机器学习到底在做什么
重点不是推公式，是理解过拟合、评估指标这些东西在真实数据上是什么感觉。我的做法是拿一个 Kaggle 数据集，自己跑一遍回归和分类，然后故意调参数把它调坏，看指标怎么变——比看十篇讲解记得牢。Coursera 和 DataCamp 在这段适合需要有人帮你排顺序的人。
阶段 4
半年以后，因人而异
深度学习和 LLM
这段最容易劝退。fast.ai 的好处是第一节课就让你跑通一个能用的模型，先有“我居然做出来了”的感觉，再去补原理。DeepLearning.AI 适合反过来，先把框架搭好再动手。两种都行，我是先 fast.ai 后补的理论。没有 Python 基础的话，这段会卡在报错上。
阶段 5
没有明确终点
工程和 Agent
到这一步基本没有“标准课程”了，更多是看文档、看开源项目、自己搭东西。RAG、LangChain 这些变化太快，学的时候别指望一次学全。DeepLearning.AI 的短课可以用来看某个新概念的框架，Kaggle 上找对应数据集练手。剩下的，靠做。
再说一句：这五个阶段不是必须走完的。做产品到阶段 3 就够了，做工程到阶段 4，想碰 Agent 再往后。唯一不太建议跳的是阶段 2，后面的东西都建立在这上面。
网站
6 个 AI 学习网站，各自用在哪个阶段
下面每个网站都标了它最适合的阶段。同一个网站用错阶段，基本等于没打开。
阶段 2 · 代码起步
Kaggle Learn
免费，浏览器里直接写代码，不用装任何东西。Python、Pandas、SQL、机器学习入门都有，每门课几个小时。
我的用法：这是我目前最推荐的数据处理起点，没有之一。每天下班做一门，两周过完。
访问 Kaggle Learn 官网
kaggle.com/learn
阶段 2–3 · 边写边学
DataCamp
短课加即时反馈，节奏很像刷题。入门章节免费，后面要付费。适合需要被人推着走的人。
我的用法：如果你用 Kaggle 觉得太散，可以拿它补结构。我自己没怎么用，身边有朋友靠它坚持下来的。
访问 DataCamp 官网
datacamp.com
阶段 3–4 · 系统课程
Coursera AI
大学和机构出的课都在上面，吴恩达那几门经典的也在。可以免费旁听，证书要钱。
我的用法：适合想要一条现成路径、不想自己排课的人。我主要用它补理论，动手还是靠 Kaggle 和 fast.ai。
访问 Coursera AI 课程页
coursera.org
阶段 4 · 代码实战
fast.ai
免费，自顶向下：先跑通模型，再回头理解原理。第一节课就能训练一个图像分类器。
我的用法：有 Python 基础再来，不然会卡在报错上。我是先 fast.ai 后补的理论，反过来应该也行。
访问 fast.ai 官网
fast.ai
阶段 4–5 · 体系化
DeepLearning.AI
吴恩达团队的课，覆盖机器学习、深度学习、生成式 AI。短课尤其适合快速了解一个新概念。
我的用法：和 fast.ai 搭配着用，一个动手一个看框架。阶段 5 那些 RAG、Agent 的东西，我主要靠它的短课入门。
访问 DeepLearning.AI 官网
deeplearning.ai
适合谁
适合谁，不适合谁
先说清楚，省得你看完才发现不是你要的。
适合
- 零基础，但愿意按顺序走、不跳阶段的人
- 产品、运营、管理者，想先建立判断力再决定要不要深入代码
- 之前东学一块西学一块，想把顺序理清楚的人
- 要给团队排 AI 培训顺序的负责人
可能不适合
- 只想找个工具把今天的活干完，不打算系统学
- 完全不写代码，但目标是做到阶段 4 以后
- 指望一张证书能替代实际项目经验
- 已经明确只做非技术 AI 应用，不需要按完整路线推进
踩过的坑
几个我自己踩过的
01
收藏了就等于学了
我最早的收藏夹里有四十多门课，真正打开过的不到十门。现在我的做法是：一个阶段只留一个网站，其他的先关掉。
02
基础没打好就往深度学习冲
没有 Python 和数据处理的基础，直接打开 fast.ai 的 notebook，基本就是在看天书。卡住的时候容易怀疑自己不适合学 AI，其实只是顺序错了。
03
用证书数量判断进度
证书只能说明你看完了。每个阶段结束，我会问自己：能不能不看教程，用代码把这个东西再做一遍。做不出来就是还没学会。
FAQ
常被问到的几个问题
零基础学 AI，应该先看网站还是先定路线？
先定路线。网站是每个阶段的具体入口，没有路线的话，收藏越多越不知道从哪开始。我一开始就是先收藏了一堆网站，结果半年过去还在第一阶段。
中文 AI 学习网站和英文网站怎么搭配？
我自己的顺序是：先用 AI 大学堂把概念过一遍，有底了再去 Kaggle Learn 写代码。英文网站真正的门槛不是语言，是报错的时候愿不愿意继续调。如果语言压力大，Coursera 上带中文字幕的课也可以用来过渡。
AI 学习路线一定要按五个阶段走完吗？
不用。做产品的走到阶段 3 就够了，做工程的需要到阶段 4，想碰 Agent 再往后走。唯一不太建议跳的是阶段 2，后面的东西都建立在这上面。
AI 学习网站免费的和付费的差在哪？
免费资源足够撑过阶段 1 和 2。付费主要买的是结构和节奏——有人帮你排好顺序，有作业逼着你交。要不要花这个钱，取决于你能不能自己管住自己。
学完大概是什么水平？
按每周 10 小时算，走到阶段 4 大概要大半年到一年。能自己处理数据集、训练和评估模型、调通一个深度学习项目。水平最后还是看你做出来过什么，不是看学过什么课。