学习中心#

欢迎来到 跟我学机器学习（Machine Learning With Me） !

这里不是一个简单的 AI 博客，也不是一个 AI 工具导航站，而是一个围绕 AI 知识学习 构建的学习中心（Learning Hub）。

学习 AI 的真正难点，往往不是找不到资料，而是：

  • 不知道应该从哪里开始；

  • 不知道下一步应该学习什么；

  • 不理解不同知识之间有什么联系；

  • 阅读过程中遇到陌生概念，需要频繁切换搜索。

因此，本站不仅持续更新原创教程，也围绕学习过程建设了一系列辅助模块，希望帮助学习者建立完整的知识体系，而不仅仅是阅读一篇篇彼此独立的文章。

注：完整功能模块需使用桌面端浏览器打开体验。

1. 构成模块#

整个学习中心由多个相互关联的模块组成，每个模块承担不同的作用，也可以独立使用。

模块 当前状态 作用
AI基础内容 已上线 系统学习机器学习、深度学习、大模型与 Agent，从原理到代码逐步深入。
课程中心 已上线 精选 AI 经典课程，翻译整理，助力你系统学习人工智能。
术语百科 已上线 快速查询 AI 专业术语，并进一步关联到对应讲解内容。
开源百科 已上线 精选与本站内容相关的开源 GitHub 仓库，并同时链接到本站现有资源内容，助力每一位读者的学习。
代码实现 已上线 快速查询常见算法模型的示例代码、可视化代码，一键复制粘贴运行。

这些模块共同组成一个完整的学习闭环。

例如，在阅读「从零学 AI 指南手册」时，如果遇到 RoPE 或 KV Cache 等陌生术语，可以直接进入术语百科；术语百科又会继续链接到对应教程，帮助你从「知道它是什么」进一步理解「它为什么这样设计」。

未来，课程学习指引、大学测验试题等模块也会逐步与教程建立关联，帮助学习者建立更加完整的知识网络。

2. 从零学 AI 指南手册#

「从零学 AI 指南手册」是本站当前最核心的内容（左侧目录树），也是整个学习中心的主线。

如果你第一次来到本站，建议从这里开始。

目前这部分包含5个主要栏目：

栏目 说明
机器学习（已出版） 学习线性回归、SVM、树模型、聚类、降维等经典机器学习算法。
深度学习（已出版） 系统学习 CNN、RNN、Transformer、BERT、GPT 等核心模型。
LangChain Agent 开发（更新中） 学习 RAG、Milvus、MCP、Function Calling、LangGraph、Agent 等应用开发技术。
精选文章 收录公众号「@跟我学机器学习」中的精选内容与专题解析。
专题文章 收录整理经典主题的系列文章，如 Transformer、BERT 等。

3. 如何开始学习？#

不同基础的读者，可以选择不同的学习入口。

3.1 初学者#

如果是第1次接触 AI，建议按照：机器学习 → 深度学习 → Agent 的顺序学习，阅读过程中遇到陌生术语，可随时打开 AI 术语百科 查阅。同时，在阅读机器学习内容前，务必先阅读其对应的「方法论」。

3.2 有经验者#

已具备基础，希望学习大模型应用开发，可以直接进入 Agent 栏目，重点阅读 RAG、Function Calling、ReAct、LangGraph 和 MCP 等章节内容。

3.3 建立体系者#

希望建立完整的知识体系者，可以结合 「术语百科」 、开源百科、「代码实现」 、「课程中心」 、测验试题（建设中），逐步建立知识之间的联系，并通过练习检验学习效果。

4. 不仅仅只是阅读#

学习，而不仅仅只是阅读。本站希望做的不仅仅是提供教程，更希望帮助学习者建立一套能够持续成长的知识体系。 希望这些内容能够共同组成一个不断完善的 AI Learning Hub，帮助学习者知道：

  • 学什么；

  • 为什么学；

  • 下一步应该学什么；

  • 不同知识之间是如何联系起来的。

5. 本站内容引用格式#

本站所有内容均可可自由引用，无需告知，但请注明出处。

  • 已出版内容引用：

    • 王成. 跟我一起学机器学习[M]. 北京: 清华大学出版社, 2022.（对应的是左侧机器学习中的内容）

    • 王成,黄晓辉. 跟我一起学深度学习[M]. 北京: 清华大学出版社, 2025.（对应的是左侧深度学习中的内容）

  • 网站其它内容引用：