从零基础登顶 AI
用全世界最好的公开课，按 基础 → 强化 → 创新 三层往上爬，按需选学，不必全修。
适合：想自学 AI、希望有一条清晰升级路线的大学生。
基础
建立数学、编程与 AI 的基础认知，具备做项目的能力。
学习重点 数学打底 + 经典机器学习 + 深度学习入门，先把地基打稳。
学完之后 能跑通分类/回归、搭并训练神经网络，做出第一个像样的 AI 项目。
数学打底
线性代数 + 直觉双管齐下，给后面所有课和读论文铺地基。
用 Python 入门人工智能
最友好的 AI 第一课：搜索、知识、不确定性、优化、学习、神经网络，全配 Python 项目。
机器学习导论（原 6.036）
机器学习的工程化打底：表示、过拟合、正则化、泛化，配每周动手 lab。
机器学习
回到 ML 的数学根，从推导出发理解每个算法的来历；和 6.390 互补。
深度学习导论
每年更新的快节奏深度学习入门，已覆盖 LLM 与生成式 AI，适合快速建立直觉。
面向计算机视觉的深度学习
CV 方向的标杆课，讲义本身就是经典材料，反向传播与 CNN 部分尤其值得精读。
面向 NLP 的深度学习
从词向量一路讲到 Transformer 与大模型，是理解 LLM 的入口。
机器学习系统设计
讲数据/部署/监控/迭代的工程化思维，框架很对；配新书补 LLM 工程。
强化
夯实理论与工程，亲手从零搭模型、读懂大模型。 · 在「基础」之上加修。
学习重点 在基础之上加经典 AI、硬核深度学习、手写神经网络与从零构建语言模型。
学完之后 能完成中高强度项目，读懂并复现核心模型，工程功底扎实。
人工智能：原理与技术
经典 AI 的系统训练：搜索、约束满足、马尔可夫决策、博弈、逻辑。
深度学习导论（硬核版）
研究生强度的硬核深度学习：作业要求亲手复刻 PyTorch 组件，想要扎实功底选它。
从零手写神经网络到 GPT
Karpathy 带你从手写反向传播一路到手搓一个 GPT，最适合动手派。
从零构建语言模型
亲手把大模型从分词、架构、并行、scaling law 到推理评测全程搭一遍，前沿压轴。
创新
面向研究与前沿创新，具备论文阅读与复现能力。 · 在「强化」之上加修，走科研 / 前沿方向。
学习重点 在强化之上加强化学习、生成模型、对齐安全与研究方法。
学完之后 能读懂并复现前沿论文，做研究型项目，沉淀出能代表自己的作品集。
深度强化学习
深度强化学习系统课，是 Agent 与对齐（RLHF）的基础，大模型时代更重要。
深度生成模型
系统讲自回归、VAE、GAN、扩散等生成模型，理解今天图像/视频生成的底层。
How2AI · 多模态与研究方法
MIT 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 安全与对齐 · 选读
AI 安全与对齐入门选读，当下研究与产业最热的方向之一，拔尖路径至少修一门。
拿到 AI offer
这条路线本身不记录进度，也不替你完成学习。它的作用是帮你少走弯路：知道先学什么、为什么学、学完该沉淀什么作品。一个人爬不动？训练营给你任务、监督和答疑，陪你真正走完。
了解训练营 →