先说结论，项目驱动的学习思路完全正确。我读大一的时候也和你一样，那个时候高数和线代都还在学，觉得数学不学好怎么学习深度学习呢，因为一直以来脑子里的思路都是计算机科学是数学的一个分支。但是当时我学数学的时候，看到傅里叶变换就看不下去了，学习AI的热情都燃尽了。后面我还啃过，发现都是公式，看不懂，不知道学完能干什么。懵懵懂懂直到大二学机器学习这门课，老师要求结课的时候都要交一个项目报告，同时附上代码和

网上最显眼的内容，往往是应用层：几句 Prompt、一个 Agent Demo、几小时搭个聊天机器人。这样不是“看过”，而是真的会用。所以，“先学大模型更贴近市场”只对已有编程和建模基础的人更成立。现在岗位更看重你能否把数据、模型、代码、评估和部署串成闭环，而不是知道多少热门名词。如果你已经会 Python、会处理数据、能看懂基本评估，这条路没问题。这一层的重点不是推公式，而是建立判断力：模型为什

事实恰恰相反 ——2026 年 AI 岗位量同比暴涨约 12 倍，平均月薪远超传统新经济岗位，但企业最缺的，不是纯技术研发，而是能把 AI 技术变成钱的复合型人才，这正是人工智能技术经理人的核心价值。报名流程简单，线上学习、线上考试，备考周期仅 2-4 周，还有免费补考机会，职场人碎片化时间就能备考，不耽误工作。朋友小周，普通本科、非技术背景，在传统运营岗内卷 3 年，月薪始终卡在 8k，跳槽屡遭

为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可。

我是从数据开发转过来的，我刚入行那会机器学习刚刚流行，刚接触的时候，也是一头扎进各种数学公式里，什么梯度、散度、旋度、什么雅可比矩阵，头都大了。感觉自己不是在搞AI，捧着那本大名鼎鼎的《统计学习方法》（我们那时候还没西瓜书），感觉每个汉字都认识，连起来就跟看天书一样。你真让我现在回头来复盘一遍自己的学习曲线，说实话，如果当年死磕数学再去看AI理论，我八成放弃这条路了。初期过于死抠公式和理论，只会陷

我是从数据开发转过来的，我刚入行那会机器学习刚刚流行，刚接触的时候，也是一头扎进各种数学公式里，什么梯度、散度、旋度、什么雅可比矩阵，头都大了。感觉自己不是在搞AI，捧着那本大名鼎鼎的《统计学习方法》（我们那时候还没西瓜书），感觉每个汉字都认识，连起来就跟看天书一样。你真让我现在回头来复盘一遍自己的学习曲线，说实话，如果当年死磕数学再去看AI理论，我八成放弃这条路了。初期过于死抠公式和理论，只会陷

PyTorch 是目前学术界最流行的深度学习框架，Facebook 出品，动态图机制让调试变得无比简单。学完本文，你将掌握：张量（Tensor）的创建与操作自动求导（Autograd）原理DataLoader 数据加载神经网络模块（nn.Module）搭建模型完整训练循环的4个步骤知识点核心函数重要程度张量创建5星张量操作5星自动求导5星DataLoader5星神经网络5星GPU加速4星优化器4星

对比维度有监督学习无监督学习半监督学习强化学习数据类型全标签数据无标签数据少量标签+大量无标签无直接标签，通过奖励反馈学习目标学习输入到输出的映射发现数据内在结构利用无标签数据提升泛化能力学习最优行为策略以最大化奖励核心特征有“老师”指导自主“发现”模式结合监督与无监督学习通过“试错”与环境互动典型应用分类、回归聚类、降维网页分类、NLP游戏AI、机器人控制。

tinynn 相关的源代码在这个 repo（https://github.com/borgwang/tinynn） 里。目前支持：layer ：全连接层、2D 卷积层、 2D反卷积层、MaxPooling 层、Dropout 层、BatchNormalization 层、RNN 层以及 ReLU、Sigmoid、Tanh、LeakyReLU、SoftPlus 等激活函数。

人口收益06.110117.592015.52779.130228.518613.662037.003211.854045.85986.8233人口收益count97.00000097.000000mean8.1598005.839135std3.8698845.510262min5.026900-2.68070025%5.7077001.98690050%6.5894004.56230075%8