机器学习与深度学习 / 系统课时

学习路线与实践环境

学习路线与实践环境

学习人工智能最容易踩的坑,是只看概念不动手,或一开始就追逐复杂模型。本节把学习拆成可执行的阶段,并搭建一个最小 Python 实验环境。完成后,你应能在隔离环境中运行代码,并知道后续每类知识要解决什么问题。

学习目标

  • 按“概念、数据、模型、评估与应用”组织后续学习
  • 准备可重复使用的 Python 虚拟环境和基础命令行工具
  • 用最小验证命令确认解释器、虚拟环境和 pip 都可正常工作

先把学习路线分成四个阶段

第一阶段是建立概念框架,重点理解人工智能、机器学习、深度学习和生成式模型之间的关系,以及模型能力边界。此时目标不是记算法细节,而是知道不同方法分别解决什么问题。

第二阶段进入数据与表示:学习样本、特征、标签、训练集和测试集,并理解数据质量如何直接影响模型。第三阶段再学习常见模型的训练与推理,让每个算法都和一个可运行实验对应起来。

最后进入评估与应用:不仅看模型“能不能跑”,还要学会使用合适指标、识别过拟合和偏差,并把模型接入真实任务。这个顺序能避免在基础概念尚未稳定时,就被框架 API 和参数细节淹没。

人工智能基础课程的四阶段学习路线

准备最小实践环境

后续实验只需要一套稳定、可隔离、可重复的基础环境:一个代码编辑器、终端、Python 解释器和虚拟环境。建议使用 Python 3.11 或更高版本;如果机器上已经有可用 Python,无需为了课程频繁切换版本。

以下分别展示 macOS/Linux 与 Windows PowerShell。命令在新实验目录运行,直接调用虚拟环境解释器,无需改 PowerShell 的执行策略。Windows 例假设已经安装 Python 3.11 和 py 启动器,其他版本可用对应解释器创建。

bash
mkdir ai-fundamentals-lab
cd ai-fundamentals-lab
python3 --version
python3 -m venv .venv
.venv/bin/python -c "import sys; assert sys.version_info >= (3, 11); assert sys.prefix != sys.base_prefix; print(sys.executable); print('AI lab ready')"
.venv/bin/python -m pip --version

Windows PowerShell 对应命令如下。

powershell
New-Item -ItemType Directory -Name ai-fundamentals-lab -ErrorAction Stop
Set-Location ai-fundamentals-lab
py -3.11 --version
py -3.11 -m venv .venv
.\.venv\Scripts\python.exe -c "import sys; assert sys.version_info >= (3, 11); assert sys.prefix != sys.base_prefix; print(sys.executable); print('AI lab ready')"
.\.venv\Scripts\python.exe -m pip --version

预期输出如下,PowerShell 会先列出新建目录,Windows 的虚拟解释器位于 Scripts。 与 由本机决定。

text
Python <VALUE>
<PATH>/.venv/bin/python
AI lab ready
pip <VALUE> from <PATH>/site-packages/pip (python <VALUE>)

如果第一行提示找不到 python3,说明解释器尚未安装或没有加入命令搜索路径;应先修复 Python 安装,再继续创建虚拟环境。若创建阶段报告缺少 ensurepip 或 venv 支持,按当前 Python 发行版说明补齐组件,再在独立目录重试。Windows 若没有 py,可使用已安装的完整解释器路径。

让每次实验都可重复

建议每个实验都在项目目录中运行,并把第三方依赖安装到 .venv,不要依赖全局 Python 环境。后续课时需要新的库时,再在激活后的环境中按需安装,这样可以减少不同项目之间的版本冲突。

确认命令实际使用的解释器,终端提示符只是辅助。使用显式路径时,不需要执行 deactivate。不要复制现成的 .venv 到另一台机器,记录解释器版本与依赖版本后在目标机器重建。代码、数据样例和实验记录也应保存在同一项目目录中,便于复现实验结果,而不是只保留一次性的终端历史。

用三个条件验收准备结果

准备完成后,应满足三个条件:能从终端调用虚拟环境中的 Python,python -m pip --version 指向 .venv 内部路径,并且简单 Python 命令可以正常执行。如果其中任意一项不满足,先修复环境再进入模型实验。

从学习方法上,也保持同样的验收习惯:每接触一个新概念,都至少完成一次最小实验,并明确输入、输出和验证方式。这样后续无论学习传统机器学习还是生成式人工智能,都能把抽象概念落实为可观察、可复现的结果。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

学习路线与实践环境

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通