AI学习之路

一份系统化、结构化的 AI 学习资料库，覆盖数学基础、机器学习、深度学习、计算机视觉、OCR、NLP、机器人以及项目实战的完整学习路径。

项目简介

本仓库是作者在 AI 学习过程中的系统性知识整理，使用 Markdown 编写，排版符合 中文技术文档写作规范，并通过 GitBook 构建为可在线浏览的电子书。

内容涵盖理论学习、论文研读、工程实践与产业应用，既适合 AI 初学者按图索骥地学习，也适合从业者作为查阅资料和面试复习的参考。

一般的 AI 学习路径

1. 数学和统计学基础：AI 领域需要一定的数学基础，包括线性代数、微积分、概率论和统计学。你可以通过在线教育平台、大学课程或自学来学习这些基础知识。
2. 编程语言：掌握一种或多种编程语言是学习 AI 的关键。Python 是一个常用的选择，因为它具有丰富的 AI 工具和库，如 NumPy、Pandas 和 TensorFlow。此外，还可以学习 R、Java 或 C++ 等其他编程语言。
3. 机器学习基础：了解机器学习的基本概念和算法是学习 AI 的重要一步。你可以学习监督学习、无监督学习和强化学习等不同类型的机器学习算法，并学会如何应用它们来解决问题。
4. 深度学习：深度学习是 AI 领域的一个重要分支，它使用神经网络模型来进行模式识别和数据分析。学习深度学习可以通过掌握深度神经网络、卷积神经网络（CNN）和循环神经网络（RNN）等概念来实现。你可以学习深度学习框架如 TensorFlow 或 PyTorch 来实践深度学习算法。
5. 数据处理和特征工程：了解如何处理和清洗数据、特征选择和提取是构建有效 AI 模型的关键。学习使用数据处理工具和技术，如数据清洗、特征缩放和降维，可以提高模型的性能。
6. 实践项目：通过实践项目来应用你所学的知识。从简单的项目开始，逐渐挑战更复杂的问题。这可以帮助你加深对 AI 概念和技术的理解，并提升解决实际问题的能力。
7. 持续学习和跟踪最新进展：AI 领域发展迅速，新的技术和算法不断涌现。保持学习状态，参与在线课程、研讨会和读研究论文，以跟踪最新的进展。

请记住，学习 AI 是一个持续的过程，需要不断地实践和深化你的知识。灵活地根据自己的需求和兴趣来调整学习路径，并与其他学习者和专业人士交流，以获得更多的指导和学习机会。

内容导航

ML 与 DL

• 机器学习 - 线性回归等基础算法
• 深度学习 - 正则化、激活函数、优化器、损失函数、模型量化/蒸馏、LLM、Transformer
• 框架与平台 - TensorFlow、PyTorch、Keras、PaddlePaddle、华为昇腾 MindSpore、NVIDIA CUDA/TensorRT

计算机视觉 (CV)

• CV 基础 - mAP、感受野、NMS、FPN、HOG、池化、上下采样、风格迁移等
• CV 论文 - CNN、AlexNet、VGG、ResNet、U-Net、GAN、MobileNet、Yolo v1-v5/X、SSD、Attention、Transformers
• 机器视觉 - Halcon、AOI、相机标定、产业链、应用场景
• CV 工具 - 图像标注、FiftyOne、paperswithcode
• CV 面试
• OpenCV 4.0 - 完整的 OpenCV-Python 中文教程

OCR

• OCR 总览 - 竞品分析
• PaddleOCR - PP-OCR、检测/识别/方向分类、模型压缩、多端部署、算法库、数据集

NLP

• NLP - NLP 论文研读、RNN

机器人

• 机器人

课题与数据集

• 热门课题 - 历年最流行的 AI 技术
• 数据集 - COCO、机器学习数据集大全

项目实战

• AI 项目 - 推荐系统、人脸识别、AI 边缘项目、ChatGPT、Nemo
• 八斗学院项目
• AI 边缘项目开发 - 无人机电力巡检

其他

• 成长路线
• 资源
• 书籍
• 基础问题 - 特斯拉 AI 团队的方法论等

目录结构

aipath/
├── ml/                 # 机器学习
├── dl/                 # 深度学习（基础、LLM、跟李沐学深度学习等）
├── frames/             # 框架与平台（TensorFlow/PyTorch/Keras/Paddle/Ascend/NVIDIA）
├── cv/                 # 计算机视觉
│   ├── basic/          # CV 基础
│   ├── paper/          # CV 论文（含 yolo/ 子目录）
│   ├── mv/             # 机器视觉
│   ├── tools/          # CV 工具
│   ├── interview/      # CV 面试
│   └── opencv/         # OpenCV 4.0 Python 教程
├── ocr/                # OCR 与 PaddleOCR
├── nlp/                # 自然语言处理
├── robot/              # 机器人
├── hot/                # 热门课题
├── datasets/           # 数据集
├── project/            # 项目实战
├── others/             # 成长路线、资源、书籍、基础问题
├── assets/             # 公众号二维码等图片
├── SUMMARY.md          # GitBook 目录索引
├── book.json           # GitBook 配置
├── build.sh            # 构建脚本
└── README.md           # 项目说明（本文件）

本地预览

本项目使用 GitBook 构建。本地预览步骤：

# 安装 gitbook-cli（首次使用）
npm install -g gitbook-cli

# 拉取并安装插件、构建
./build.sh

# 或单独执行
gitbook install
gitbook serve .      # 启动本地服务，默认 http://localhost:4000

贡献

欢迎通过 Issue 或 Pull Request 参与完善本仓库：

• 发现内容有误或链接失效，请提 Issue
• 想补充新的学习主题或翻译，欢迎提 PR
• 内容请遵循 中文技术文档写作规范

许可协议

本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。

---

如果觉得还不错，关注 【飞见AI】 公众号获得更多优质文章和免费资料。

---

项目规范

本文使用 Markdown 编写, 排版符合中文技术文档写作规范。 Find Me On Github , Gitee

友情贡献

@RunAtWorld