Home / AI Self-Learning Roadmap
AI Self-Learning Roadmap
Author: Yuhong Wang (王玉宏)
A concise roadmap of the core resources I plan to follow for long-term study in Computer Science, Mathematics, Machine Learning, Deep Learning, Large Models, and AI × Biology.
1. 计算机与编程基础 (Computer Science Foundations)
| 名称 | 作者/项目 | 类型 | 年份 | 链接 |
|---|
| CS 自学指南 | 北京大学 CS 自学指南 | 导航站/路线 | 2022– | csdiy.wiki |
| Introduction to Algorithms (6.006) | MIT OCW | 课程 | 2011 | MIT OCW |
| Operating Systems (6.S081) | MIT PDOS | 课程 | 2020– | 6.S081 |
2. 数学基础 (Mathematics for AI)
| 名称 | 作者/项目 | 类型 | 年份 | 链接 |
|---|
| Linear Algebra (18.06) | Gilbert Strang, MIT | 课程 | 2010 | MIT OCW |
| Essence of Linear Algebra | 3Blue1Brown | 视频系列 | 2016 | YouTube |
| Single Variable Calculus (18.01) | MIT | 课程 | 2006 | MIT OCW |
| Multivariable Calculus (18.02) | MIT | 课程 | 2010 | MIT OCW |
| Introduction to Probability (6.041) | MIT | 课程 | 2018 | MIT OCW |
| Convex Optimization | Boyd & Vandenberghe | 教材 | 2004 | cvxbook |
| 人工智能的数理基础 | 薛鹏 · RethinkFun | 视频/讲义 | 2024– | RethinkFun |
3. 人工智能与机器学习 (AI & Machine Learning)
| 名称 | 作者/项目 | 类型 | 年份 | 链接 |
|---|
| 人工智能导论 | 王万良 | 教材 | — | — |
| Artificial Intelligence: A Modern Approach | Russell & Norvig | 教材 | 2010 (3rd) | AIMA |
| Machine Learning (机器学习) | 李宏毅 | 视频课程 | 2019– | YouTube |
| Machine Learning Specialization | Andrew Ng · DeepLearning.AI | 在线课程 | 2022 | Coursera |
| 《机器学习》 | 周志华 | 教材 | 2016 | — |
| 《机器学习公式详解》（南瓜书） | Datawhale 等 | 笔记 | 2020– | Pumpkin Book |
4. 深度学习 (Deep Learning)
| 名称 | 作者/项目 | 类型 | 年份 | 链接 |
|---|
| Deep Learning Specialization | Andrew Ng · DeepLearning.AI | 在线课程 | 2017– | Coursera |
| 动手学深度学习 (Dive into Deep Learning) | 李沐 等 | 教材 + 代码 | 2017– | d2l.ai |
| Deep Learning | Ian Goodfellow 等 | 教材（花书） | 2016 | deeplearningbook.org |
| 深度学习 (Deep Learning) | 李宏毅 | 视频课程 | 2020– | YouTube |
5. 大模型与系统 (Large Language Models & Systems)
| 名称 | 作者/项目 | 类型 | 年份 | 链接 |
|---|
| Attention Is All You Need | Vaswani et al. | 论文 | 2017 | arXiv |
| The Illustrated Transformer | Jay Alammar | 博客 | 2018 | Blog |
| NLP Course | HuggingFace | 在线课程 | 2020– | HF Course |
| PEFT / LoRA / TRL 文档 | HuggingFace | 官方文档 | 2023– | HF Docs |
| 大模型基础与实践 | 薛鹏 · RethinkFun | 视频/讲义 | 2024– | RethinkFun |
| MiniMind2 | Jingyao Gong | 开源项目 | 2024 | GitHub |
| nanoGPT | Andrej Karpathy | 开源项目 | 2023 | GitHub |
6. AI × Biology 前沿阅读 (Frontier Reading: AI for Biology)
| 名称 | 作者/项目 | 类型 | 年份 | 链接 |
|---|
| AlphaFold / AlphaFold2 / AlphaFold3 | DeepMind | 论文与系统 | 2020–2024 | DeepMind |
| Gemini | Google DeepMind | 多模态模型 | 2023– | Gemini |
| BERT: Pre-training of Deep Bidirectional Transformers | Devlin et al. | 论文 | 2018 | arXiv |
| GPT 系列技术报告 | OpenAI | 论文/报告 | 2020– | OpenAI Research |
| DeepSeek 系列 | DeepSeek | 大模型与论文 | 2024– | GitHub |
| Evo 2 | ARC Institute (Stanford) | 生物基础模型 | 2024– | ARC Institute |
| Virtual Cell | ARC Institute (Stanford) | 全细胞模拟 | 2023– | ARC Institute |
7. 简要规划 (High-Level Plan)
- CS & Math：MIT 线代/微积分/概率 + PKU CS 自学指南，夯实算法与数理基础。
- ML & DL：李宏毅 + Andrew Ng + 周志华 + 花书 + 动手学深度学习，构建机器学习与深度学习体系。
- LLMs & Systems：Transformer 原始论文、HuggingFace 课程与文档、MiniMind/nanoGPT 实战，理解大模型原理与工程落地。
- AI × Biology：持续跟踪 AlphaFold、Evo2、Virtual Cell 等工作，为植物生物大模型与 G2P 研究奠定前沿视野。
