2025 年最值得收藏的 AI 学习资源（英文 + 中文）
从零基础到进阶，精心整理最优质的 AI 学习网站、课程和社区。无论你是想了解 AI 原理，还是学会用 AI 工具提升效率，这份清单都能帮到你。
AI 学习资源铺天盖地，但质量参差不齐。这份清单只收录我认为真正值得花时间的资源，并说明每个资源适合哪种学习者。
英文学习资源
免费课程
fast.ai（fast.ai）
Jeremy Howard 主导的实践派深度学习课程，以”从上而下”的方式教学——先跑通代码，再理解原理。这和大多数学术课程的思路正好相反，但对有一点编程基础的人来说效果极好。课程免费，配套 Jupyter Notebook，直接动手。如果你觉得其他课程太理论、太枯燥，试试这个。
DeepLearning.AI（deeplearning.ai）
吴恩达（Andrew Ng）创办的平台，提供 AI、ML、LLM 等系列专项课程。《Machine Learning Specialization》是 ML 入门的标杆课程；《LLM Ops》系列紧跟业界前沿。大部分课程可以在 Coursera 上免费旁听（不要证书的话），中文字幕质量也不错。
Kaggle Learn（kaggle.com/learn）
免费的微课程集合，每个主题2-4小时，边做题边学，完成后有证书。涵盖 Python、机器学习、深度学习、NLP、计算机视觉等主题。最大优势是配套练习题，学完就能在 Kaggle 竞赛中实践。适合喜欢动手、不想读大量文字的人。
Google Machine Learning Crash Course（developers.google.com/machine-learning/crash-course）
谷歌出品的 ML 速成课，概念解释清晰，有互动练习和可视化工具。完全免费，无需注册。适合对 ML 有好奇心、想快速建立概念框架的初学者。
进阶资源
Hugging Face 教程（huggingface.co/learn）
NLP 和大模型实战的最佳资源之一。Hugging Face 是业界最重要的 AI 开源平台，他们的教程直接教你用真实的工具——transformers、diffusers、datasets……学完就能上手。如果你的目标是做 LLM 相关开发，这里是必经之路。
Andrej Karpathy（YouTube）
前 Tesla AI 总监、OpenAI 联合创始人之一，现在在 YouTube 上做教程。他的 “Neural Networks: Zero to Hero” 系列从最基础的神经网络讲起，一步步带你实现 GPT，讲解深入浅出，代码讲解极其耐心。这是目前我见过的最好的神经网络入门系列，没有之一。搜索 “Karpathy YouTube” 即可找到。
MIT OpenCourseWare（ocw.mit.edu）
MIT 6.S191（深度学习入门）等课程完全免费，学术严谨，讲义和作业也都开放。适合想要系统、严格的学术训练的学习者。
Prompt 工程专项
Learn Prompting（learnprompting.org）
目前最系统的提示词工程教程网站，持续更新，完全免费。从基础技巧到高级技术（思维链、自洽推理、ReAct……）都有覆盖，配有大量示例。想系统学习提示词的，从这里开始。
Prompt Engineering Guide（promptingguide.ai）
另一个优秀的提示词资源，更偏向于技术性和研究性。附有各类技术的论文引用，适合想深入了解背后原理的人。有中文版本。
中文学习资源
动手学深度学习（d2l.ai）
李沐（前 Amazon Science 总监）主导，中英双语，理论与代码完美结合，配套 B 站视频讲解。这本”书”是目前最好的中文深度学习教材，没有之一。可以在线阅读，也可以下载 PDF，所有代码都在 Jupyter Notebook 里可以直接运行。
李沐论文精读（B 站）
在 B 站搜索”李沐论文精读”，跟着大神读 AI 领域最重要的论文——Attention Is All You Need、BERT、GPT 系列……有深度、有见解、有背景补充。如果你想真正理解 AI 前沿在发生什么，这个系列是极好的起点。
吴恩达 Coursera 课程（中文字幕）
Coursera 上大部分吴恩达课程都有中文字幕，质量比较稳定。可以免费旁听，需要证书才付费。
实践社区
Kaggle（kaggle.com）
全球最大的数据科学竞赛平台。参与比赛是提升实战能力最快的方式——真实数据、真实问题、有排行榜压力。即使是初学者，也可以从”入门级”比赛开始参与，学习别人的解法（Notebooks）。免费提供 GPU。
Hugging Face（huggingface.co）
AI 模型的”GitHub”，有数十万个开源模型和数据集，以及大量可以直接在浏览器里试用的 Demo（Spaces）。关注你感兴趣的研究者和组织，了解最新的开源进展。
Papers with Code（paperswithcode.com）
跟踪最新 AI 论文及其开源实现，有各任务的 SOTA（最佳）排行榜。如果你想了解某个 AI 任务的最新进展，来这里找。
新手入门路线建议
迷茫不知从哪里开始？下面是一条比较稳的路线：
- 第1周：先学会用工具 — 从 Learn Prompting 开始，掌握提示词基础，马上能产生实际价值
- 第2-3周：建立概念地图 — 看 Google ML Crash Course，理解 ML 的基本概念框架
- 第1-3个月：系统学习 — 根据你的目标选择：
- 想做应用开发：fast.ai + Hugging Face 教程
- 想理解原理：Karpathy YouTube + 动手学深度学习
- 想进入业界：吴恩达 Coursera 专项课程
- 持续保持信息更新 — 订阅 The Batch（吴恩达的 AI 周报），每周15分钟了解行业动态
最重要的一点：动手比看更重要。看懂100篇教程，不如真正跑通一个项目。选一个你感兴趣的方向，找一个小项目做出来，你会学到比读书多10倍的东西。