平台学习路线
相比传统的教材学习或CS名校课程，使用 Hugging Face、fast.ai、OpenAI Cookbook 等现代 AI 学习平台的最大优点是实用性强、上手快、紧贴前沿。这些平台提供交互式教程、可运行代码和实际项目，能帮助学习者快速构建应用，尤其适合希望尽快动手做项目的人。然而，它们也存在系统性不足、理论深度有限的问题，往往跳过数学推导或模型原理，适合“先做再学”的路线。若能结合经典教材或高校课程共同学习，将更好地兼顾实战能力与理论基础。
优秀 AI 学习平台推荐
| 平台 | 简介 | 适合人群 |
|---|---|---|
| DeepLearning.AI | 吴恩达创办，提供系统性 AI 课程，包含深度学习、生成式 AI、MLOps 等 | 想系统入门 AI，提升实战与职业能力者 |
| Hugging Face Learn | Transformers、RAG、大模型等交互式课程与实战教程 | 想学 LLM/NLP、大模型微调者 |
| PyTorch Learn | PyTorch 官方教程、模型 recipe 与实战代码 | 喜欢底层框架、自主动手能力强者 |
| TensorFlow Learn | 图像、文本等方向的入门教程，基于 TF/Keras | 希望使用 TF/Keras 搭建项目者 |
| fast.ai | 免费深度学习课程，强调实战优先、无需 PhD | 想快速上手、边学边做的开发者 |
| Google AI | Google AI 研究、文档、产品和 Colab 项目 | 想学工程实践、了解 Google AI 生态 |
| OpenAI Cookbook | 调用 GPT、构建插件、设计 prompt 的实战代码库 | 想做 GPT 应用和 AI 工具开发者 |
| Cohere Learn | 教你如何构建嵌入搜索、问答系统、RAG 应用 | 想基于大模型实现真实业务功能者 |
| Papers with Code | 聚合最新论文、代码、SOTA benchmark 数据 | 想复现模型、跟进研究者 |
| DeepMind Learning | 研究资源、论文导读、AlphaFold 等教学材料 | 对理论、前沿研究有兴趣者 |
| Full Stack Deep Learning | 从模型训练到部署，涵盖 MLOps、数据工程等 | 想掌握完整 AI 项目开发流程者 |
总结建议
- 想动手搭建应用、用 LLM 做产品：推荐 Hugging Face、OpenAI Cookbook、Cohere
- 想打好基础、看懂原理、系统学习：推荐 fast.ai、CS231n、MIT OCW、DeepLearning.AI
- 想研究 SOTA 模型或部署工程系统：推荐 Papers with Code、Full Stack Deep Learning、Google AI