AI学习路线：深度学习理论 · 10位老师课程速查表
（点击标题直接跳转）
| # | 老师/机构 | 课程标题（点击观看） | 简介 | 核心大纲 |
|---|---|---|---|---|
| 1 | 李宏毅 2023 | 机器学习与深度学习 | 中文最佳入门，幽默易懂 | ①回归/分类→②CNN→③Transformer→④自监督→⑤生成式AI |
| 2 | 吴恩达 | 机器学习 | 经典 coursera 百万学员 | ①线性模型→②神经网络→③反向传播→④应用案例→⑤部署技巧 |
| 4 | StatQuest | 神经网络/深度学习 | 动画图解，零基础友好 | ①感知机→②激活→③损失→④梯度下降→⑤过拟合 |
| 5 | UC Berkeley | Full Stack Deep Learning | 工程向，覆盖MLOps | ①环境→②数据→③模型→④调参→⑤部署→⑥监控 |
| 6 | Fast.ai | Practical Deep Learning | 实战优先，GPU免费 | ①图像分类→②NLP→③Tabular→④生成→⑤部署 |
| 7 | MIT 6.S191 | Intro to Deep Learning | 1天密集营，代码即跑 | ①TensorFlow→②CNN→③RNN→④GAN→⑤强化 |
| 8 | Karpathy | Neural Networks: Zero-to-Hero | 从numpy手推GPT | ①微分→②MLP→③CNN→④RNN→⑤Transformer→⑥GPT |
| 9 | DeepMind UCL | Deep Learning Lecture Series 2020 | 顶级研究员主讲 | ①基础→②CNN→③序列→④生成→⑤强化→⑥前沿 |
| 10 | DeepMind UCL | RL Lecture Series 2021 | 强化学习专项 | ①MDP→②Q-Learning→③Policy Grad→④Actor-Critic→⑤Model-based |
学习顺序：先2→1→4打基础，再3→6→7刷实战，最后5→8→9→10追前沿与强化。
回复