AI算法学习资源推荐：免费的这些完全够用

这份ai算法学习推荐里的每个资源，我都真实用过：短的摸了一个月，长的跟了两年。免费够不够，收藏夹说了不算。得看代码跑没跑起来。

我的答案是够。真不是安慰人。从零基础到独立做完两个小项目，我没花过一分钱，省下的学费够配半台像样的显卡。

排梯队只看效果。效果指三件事：学完能不能给人讲明白原理，能不能亲手敲代码复现，敢不敢写进简历。每一档我都标了适用阶段，直接对号入座就行。

先给结论：这份ai算法学习推荐的三个梯队

梯队总览：入门用吴恩达的课加3Blue1Brown，动手跟《动手学深度学习》，实战靠Kaggle，这套组合我实测最稳，全程零花费。数学底子薄，加一本开源的南瓜书补推导。排后面的不是不好，是顺序错了纯属浪费人。

表里六个，全部免费或官方公开。说实话，付费课能多给你的，主要就是一张证书。

第一梯队：入门的三个资源，免费能吃到哪一口

先说吴恩达。Coursera上的机器学习专项课旁听免费，全部视频和部分选择题都开着，锁住的只有编程作业和证书。课程地址：Coursera机器学习专项课。这门课的老版本，公开报道里常见的注册数字超过四百万人次。我的使用程度：2023年冬天开始旁听，三门里我听完两门，多在地铁上开1.25倍速刷，笔记记了47页。第二章线性回归我卡了五天。不是课难，是我舍不得暂停做推导。适用阶段：完全零基础，Python不利索也能跟。

3Blue1Brown排第二。四集神经网络，把矩阵乘法和梯度下降画成了动画。我前三集看了两遍，第二遍边看边手抄他的图。看它的时机有讲究：放在吴恩达讲完梯度下降之后。顺序反了也能看，就是容易只记住画面，落不了地。

《动手学深度学习》是我心里的中文第一。李沐团队写的，官网全文免费，代码开源，地址在《动手学深度学习》官网。我跟着敲到第9章注意力机制，中间断过两个月。老实讲，断的原因是我跳章，没做前一章的练习，越敲越虚。按章节顺序来，别学我。

第二梯队：练手阶段，Kaggle我排在最前

Kaggle免费给每周约30小时的GPU额度，自带数据集和排行榜，练手阶段它就是首选，没得商量。我第一年的用法很土：只打入门赛，只看别人的高分笔记，看完就抄着改。就这样，进步也比我看十节视频课大。

scikit-learn官方文档排第二，用法完全不同。它是字典，不是教材。文档里那个示例画廊，我抄改过十几个例子，比读十篇教程管用。适用阶段：你已经在动手做小项目、天天要查参数的时候，它才开始值钱。

Google Colab算这档的替补。免费，免装环境，缺点是免费版会断。我断过一次，两小时训练白跑。挺离谱的。从那以后我养成了习惯：每轮训练前先存检查点，哪怕多花两分钟。

第三梯队和垫底名单：免费也别一上来就碰

西瓜书配南瓜书是好东西，放在入门期就是劝退套餐，适合第二遍学的时候回头补推导。西瓜书的官方课件免费公开，南瓜书整本开源，一分钱不花。我大三买过纸质西瓜书，它的最高光时刻是垫了我半年显示器。真事。后来南瓜书我认真啃了三章，讲公式推导确实细，但那是你已经跑通几个模型之后的事。

B站的白板推导系列也放这档。手推公式，质量高，适合复习期二刷。第一遍就看，容易记了一堆推导，一行代码写不出来。

垫底的两位。一类是公众号引流课，标题清一色"三天从零到精通"，点进去先让你加群；另一类是GitHub上几万星的学习路线仓库，收藏等于学会的重灾区。我个人觉得，路线图看一份就够，看十份只会更焦虑。与其囤路线，不如弄清楚新手先啃透哪三个算法，把时间花在刀刃上。

话说回来，去年我差点花6800报一门直播课，销售跟了我两周，天天说名额只剩三个。上个月我把那门课的目录翻出来，对着免费资源一条条核，八成内容重合。省下的钱买了把好椅子，腰不酸了，学习时长反而涨了。

讲件具体的事。2024年3月，我给自己两周，只用免费资源打Kaggle的Titanic入门赛。第一晚提交，成绩0.75976，挤不进前70%。不服。第二晚开始做特征：把家庭人数拆成新字段，再把票号前缀抠出来，成绩涨到0.78左右，最后停在前56%，没再往上磨。两周里我用掉免费GPU约11个小时，本地电脑只负责开网页盯排行榜。

这事给我的改变很具体。以前看到"特征工程"四个字就发怵，觉得是玄学。亲手调过一次才明白，它就是把数据擦干净再喂给模型，手上活而已。这种手感，看一百集视频也换不来。免费资源最值钱的正是这一段：它给你一个能马上动手的场子，还配了排行榜当免费教练。

免费的天花板在哪，什么时候才值得花钱

免费能送你到"独立做完项目并讲清原理"这一层，再往上需要花钱的只有三种情况：要证书镀金、要人督促、要冲算法岗的面试题库。这三样你都不缺，就一分钱不用花。斯坦福大学HAI研究所发布的《人工智能指数报告》里有个数字：2024年全球生成式AI方向的私人投资超过330亿美元。行业不缺钱，缺的是你先把免费的部分老实学完。报告原文见斯坦福人工智能指数报告。

免费和付费的边界具体划在哪，我在另一篇资源边界分析里写过，这里不重复展开。

这份ai算法学习推荐怎么按阶段用才不浪费

一套资源按阶段吃能顶三套：零基础期吴恩达加3Blue1Brown，动手期《动手学深度学习》敲代码，实战期Kaggle打比赛，复习期南瓜书补推导。顺序错了，好资源也会变成收藏夹尸体。

说细点。第1到4周，吴恩达前三章加3Blue1Brown前两集，每天40分钟够用。第5到12周，上《动手学深度学习》，代码必须亲手敲，复制粘贴这事我吃过亏。之后进Kaggle，从Titanic开始，给自己两周死线。卡住的时候，回头翻算法模型的通关顺序，查查自己漏了哪块。担心难度的话，先看看文科生啃AI算法两个月的真实记录，心里有底再出发。Coursera之外，亚马逊也有一门免费机器学习课，我单独实测过，适合当补充教材换换口味。

这份ai算法学习推荐到这就排完了。免费的东西够你走很远，今晚就开一集试试。觉得有用的话，转给那个收藏了二十门课、一门没看完的朋友。

常见问题

完全零基础，免费资源从哪一个开始？

吴恩达的专项课，别犹豫。它是旁听免费里对零基础最友好的，Python不会都能跟。配着3Blue1Brown前两集当"动画片"看，四周就能建立基本图景。

吴恩达的课旁听免费，锁住的部分影响大吗？

不大。锁的是编程作业和证书。作业的替代品是《动手学深度学习》的代码练习，效果只强不弱。证书少了也不亏，企业要看的是你会不会做项目。

Kaggle的免费GPU额度真的够用吗？

入门和练手绰绰有余。每周约30小时，我打Titanic两周才用掉11小时。真到训练大模型的阶段再考虑租算力，那时候你也该有能力把投入赚回来了。

免费资源要学到什么程度才算到头？

三个信号：能把一个算法给外行讲明白；能不看教程复现一次完整训练；能把项目写成一页说明放进简历。到这一步，免费的使命就完成了，后面是选择问题，不是资源问题。

觉得这份清单有用就转给正在学算法的朋友，免费资源路线能省下的报班钱，够吃好几顿好的。