AI算法学习有多难？文科生啃了两个月的真相

AI算法学习到底有多难？我是中文系毕业、干了八年公众号编辑的纯文科生，6月23日开啃，到8月底整整两个月，从看不懂一个偏导符号，做到了能独立跑通入门练习题。难是真难。但难的地方，跟你想的不一样。

起因很简单。周一例会上技术同事讲推荐策略，嘴里蹦出一串"向量召回""梯度""过拟合"，整场会我像个误入的外宾。散会回工位，越想越憋屈。当晚装了Python，第二天开啃。

先交代底子，免得你以为我凡尔赛。高考数学91分，满分150。大学文科数学只上了一学期，考完就还给老师。编程经验为零，连Excel里的VLOOKUP都要同事帮我写。

就这么个基础。第一周我还挺自信，看科普视频嘛，谁不会。第二周原形毕露。吴恩达的课讲到梯度下降，屏幕上那个偏导数公式，我盯着看了三天。字母都认识，拼一起就是天书。挺离谱的。

7月4日晚上，我在阳台啃西瓜乘凉，脑子里还是那个公式。突然一下就想通了。这事后面细说，当时激动得西瓜差点掉地上。

AI算法学习难在哪？难的不是智力，是没人告诉你卡住很正常

原子答案：对文科生来说，AI算法学习的第一道坎不是数学多深，而是一套陌生符号、一段没人陪跑的孤独期，加上"卡住是不是说明我不行"的自我怀疑。熬过头三个星期，难度会明显下降。

拆开讲。头一个坎是符号。Σ、∂、上标下标、矩阵括号，这是一门新语言，跟你聪不聪明没关系，跟你肯不肯给它三周时间有关系。第二个坎是孤独。身边没人可问，搜索引擎给的答案常常是另一个看不懂的答案。7月中旬我有四天没碰电脑，反复琢磨一个问题：我一个写字的，学这个干嘛。

把我捞回来的是课程论坛。我在里面翻到成百上千个同样卡在梯度下降的帖子，提问的有医生、律师、英语老师。那一刻我才踏实——原来不是我不行，是这儿本来就堵。公开数据显示，吴恩达那门课在Coursera上累计注册人数超过400万，评分4.8（满分5）。四百万人排队掉进同一个坑，你掉的坑前人全掉过，也都爬出来了。

如果你正处在自我怀疑阶段，建议去看看这篇AI学习难点排行。卡住大多数人的其实就那几个坎，对号入座一下，心里会稳很多。

卡我最久的三个概念，和把我救活的三个比喻

原子答案：梯度下降、反向传播、过拟合，这三个概念吃掉了我差不多三周时间。救我的不是更狠地死磕公式，是三个文科生最趁手的东西——比喻。

梯度下降，卡了11天。死磕公式那几天，我把维基百科的机器学习词条翻来覆去看了好几遍，越看越糊涂。真正的转机是那个西瓜夜的顿悟：把它想成浓雾天找谷底的村子。你看不见路，只能拿脚试探哪边朝下，每步迈一小格，走多了自然到谷底。学习率就是步子的大小——步子太大，会一步跨过谷底来回震荡；步子太小，天黑了还没走到。公式里那个∂，不过是"脚下的坡度"换了身衣服。

这个比喻一通，回头再看公式，居然能看懂七成。

反向传播，卡了6天。这个概念我是看别人博客入门的，自己又补了个改试卷的版本：期末总分不及格是"损失"，从最后一道大题倒着查，把扣掉的分数摊回每一步计算，谁的责任大谁多改。至于背后的链式法则，老实讲我到现在也手推不利索，但不妨碍我明白它在干嘛、用的时候该注意什么。

过拟合，2天搞定。这是我理解最快的一个，因为比喻就是我自己：背真题的学生。题库原题刷到接近满分，换一套新卷子当场现原形。文科生考研谁没这么背过政治大题？模型也一样，把训练数据背得太死，碰到新数据就露馅。

后面学KNN和决策树就快多了。KNN是"物以类聚"，看你的邻居是谁，你八成也是谁；决策树是"相亲提问清单"，先问最要命的条件，再问次要的。两个都是一遍过。

每天90分钟：我的AI算法学习时间表

原子答案：工作日每晚90分钟、周末每天约3小时，两个月累计约108小时，足够从零基础做到独立完成入门练习题。低于这个量也能学，只是节奏会散，容易断。

具体安排是这样。工作日21:30到23:00，雷打不动：前30分钟把昨天的笔记用自己的话重新讲一遍，讲卡壳的地方就是没真懂的地方；中间60分钟学新内容；最后30分钟做题或敲代码。周六上午整块3小时，周日看状态，平均1.5小时。

进度上，第1到3周补Python基础，花了18天，剩下的时间补数学；第4到6周学线性回归和逻辑回归；第7到8周碰决策树、KNN和聚类，开始刷题。该按什么顺序啃算法，这篇讲从线性回归到神经网络的通关顺序的文章比我说得细，我就是照着类似的路线走的。

说实话，第一个月的实际学习时间得打六折，剩下四成在发呆、刷手机、怀疑人生。第二个月效率才真正起来。所以别拿第一个月的进度吓自己。两个月的变化，我拉了张表：

两个月后我能做什么题？够得着的和够不着的

原子答案：两个月后，我能独立完成sklearn入门级练习——8x8手写数字识别跑出96.4%的准确率，Kaggle泰坦尼克号拿到0.7705分。够不着的同样清楚：手推公式、改网络结构、读论文，这三样还得再练很久。

最激动的是第八周那次。用sklearn自带的digits数据集做手写数字识别，逻辑回归模型，跑完终端吐出准确率96.4%。就一个数字。我盯着它看了两分钟。不夸张地说，那两分钟把前面所有煎熬都值回来了。

然后是Kaggle的泰坦尼克号生存预测，号称入门第一题。我独立走完读数据、补缺失值、特征编码、训练、提交的全流程，成绩0.7705。这分数在中游都算偏下，大神们0.8起步。但分数不是重点，重点是流程我一个人跑通，卡住的地方自己翻scikit-learn官方文档能解决八成。

够不着的也摊开说。手推反向传播，推了两遍，链式法则那步都卡住。认了。试着给神经网络加了一层，效果反而变差，为什么，不知道。论文摘要读起来还是费劲。这些是下两个月的活。

练什么题、用什么资源，这份免费的AI算法学习资源清单可以省你不少筛选时间，我走到今天没花一分钱课程费。

数学要不要先补？我的答案可能让你松口气

原子答案：不用提前啃数学书。两个月里我补的数学总共11小时：导数3小时、矩阵乘法2小时、概率4小时、链式法则2小时，够撑到入门结束。抱着教材从头啃，才是最容易把自己劝退的学法。

我的做法是缺哪个查哪个。碰到看不懂的符号，只查这一个，查懂了立刻回去继续，绝不多学一章。3Blue1Brown讲导数和神经网络的那几集，我各看了两遍：第一遍看个印象，第二遍对着笔记看。

这里必须交代一次翻车。7月中旬我雄心勃勃买了本《线性代数应该这样学》，计划两周啃完再回去学算法。结果啃了两章就吃灰——书里的内容和手头的练习完全接不上，纯属自我感动。别学我。

话说回来，那阵子我做梦都在雾里下山，媳妇说我半夜嘟囔"步子迈小点"。这糗事我到现在没跟她承认，她只当我写稿写魔怔了。

丑话也得说在前头：入门可以欠数学的债，进阶躲不掉。第九周往神经网络走的时候，明显感觉债主上门，我又回头补了两小时链式法则。想走得更远，这笔账早晚要还。

第二个真相：劝退你的从来不是难度，是没反馈

原子答案：两个月下来我看明白一件事——AI算法学习里真正劝退人的不是难，是长期没有正反馈。概念不懂可以查，代码报错可以改，唯独"学了三周还看不到任何成果"这件事，得自己想办法扛。

我的土办法是把进展全写进笔记，哪怕是"今天看懂了Σ"这种小事。回头看，第一个月的笔记全是问号，第二个月的笔记开始出现答案。那本翻烂的笔记，某种程度上比任何课程都顶用。之前写过一篇文科生自学AI的笔记和踩坑记录，里面的方法这次全用上了。

再偷懒一点的招：新手别贪多。先把三个算法吃透比啥都强，具体先啃哪三个，看这篇新手最先啃透的三个算法，我亲测这个顺序最不容易崩心态。

常见问题

文科生做AI算法学习，编程要学到什么程度才够？

Python基础够用就行。我花18天过完列表、循环、函数、pandas读表格这几样，就能开始跟课了。别追求精通，代码是越写越熟的，不是越背越熟的。我被一个报错卡过40分钟，原因居然是变量名拼错。这种弯路每人都要走，走一遍就长记性。

每天只有碎片时间，能学AI算法学习吗？

复习可以，学新内容不行。我试过通勤路上翻笔记，效果不错；也试过午休20分钟看新概念，一个偏导数符号拆成四段看，越拆越懵。新概念必须整块时间，90分钟是我实测的最低配置。

学两个月还是一团糟，是不是说明不适合？

真不是。我第一个月几乎零产出，眼看要放弃，第二个月才翻盘。判断标准不是"多久学会"，是"卡住之后，第二天你还愿不愿意再打开它"。愿意，就适合；不愿意，先歇两周，别硬扛。

要不要报个班？

我个人觉得前两个月不用。免费资源足够走到能做练习题的程度，钱省下来换块好屏幕更实在。等确定要走深了再考虑付费课，那时你也才有能力分辨课的好坏。

两个月走完，我对AI算法学习的结论就一句：入门段的难度被传得太玄，进阶段的难度又容易被低估。它考的不是智力，是你能不能在看不到成果的头三个星期里，每天准时坐回书桌前。中文系的我做到了，你大概率也行。觉得有用的话，转给那个总念叨"我不是学数学那块料"的朋友，TA缺的不是脑子，是一句"卡住很正常"。