攀岩者

全球免费AI课程完整指南：从零基础到大模型工程师

作者：

climbing

在

本文整理了全球最优质的免费AI/ML课程，覆盖从入门到高级的完整学习路径，所有课程100%免费，无需付费证书。

一、英文课程（国际顶级大学/平台）

1. Stanford 斯坦福大学

课程 内容 链接

|——|——|——|

CS229 机器学习 ML经典入门，线性回归、逻辑回归、SVM、神经网络 https://cs229.stanford.edu/
CS231n 计算机视觉 CNN、图像分类、检测、GAN、视觉Transformer https://cs231n.stanford.edu/
CS224n 深度学习NLP 词向量、RNN、Transformer、BERT、GPT https://web.stanford.edu/class/cs224n/
CS234 强化学习 MDP、动态规划、策略梯度 https://web.stanford.edu/class/cs234/
CS25 Transformers United Transformer跨模态应用（NLP、视觉、生物、RL） https://web.stanford.edu/class/cs25/

2. MIT 麻省理工

课程 内容 链接

|——|——|——|

6.S191 深度学习导论 每年更新，CNN、RNN、GAN、强化学习、深度生成模型 https://introtodeeplearning.com/
6.034 人工智能 经典AI入门：搜索、约束满足、学习、神经网络 https://ocw.mit.edu/courses/6-034-artificial-intelligence-fall-2010/
6.036 机器学习导论 分类、回归、神经网络、核方法、聚类 https://openlearninglibrary.mit.edu/courses/course-v1:MITx+6.036+1T2019/about
18.065 矩阵方法 线性代数、SVD、PCA、优化、深度学习数学基础 https://ocw.mit.edu/courses/18-065-matrix-methods-in-data-analysis-signal-processing-and-machine-learning-spring-2018/

3. fast.ai — 工程师最推荐

课程 内容 链接

|——|——|——|

Practical Deep Learning Part 1 自顶向下，直接上手，图像分类、NLP、表格数据、协同过滤 https://course.fast.ai/
Part 2 数学原理、从零实现、基础模型、Stable Diffusion https://course.fast.ai/Lessons/part2.html
Computational Linear Algebra 矩阵分解、随机算法、压缩感知 https://github.com/fastai/numerical-linear-algebra

4. DeepLearning.AI — 124门免费课程

核心专项课程：

  • Machine Learning Specialization — ML基础（与Stanford合作）
  • Deep Learning Specialization — 神经网络全套（CNN、RNN、序列模型）
  • Generative AI for Everyone — 生成式AI入门
  • AI for Everyone — AI技术概览与社会影响
  • Mathematics for ML and Data Science — 微积分、线性代数、统计概率
  • Natural Language Processing Specialization — 情感分析、问答、翻译、摘要

100+ 短课程（每个1-2小时）：

  • ChatGPT Prompt Engineering for Developers
  • Building Systems with ChatGPT API
  • LangChain for LLM Application Development
  • Building Generative AI Applications with Gradio
  • How Diffusion Models Work
  • Finetuning Large Language Models
  • Building Code Agents with Hugging Face smolagents
  • MCP: Build Rich-Context AI Apps with Anthropic
  • Reasoning with o1 (OpenAI)
  • Building with Llama 4 (Meta)
  • AI Agents for Image and Video Generation (Google)
  • Build and Train an LLM with JAX (Google)

🔗 https://www.deeplearning.ai/courses/

5. Google

课程 内容 链接

|——|——|——|

Machine Learning Crash Course ML概念、TensorFlow、神经网络、特征工程 https://developers.google.com/machine-learning/crash-course
Generative AI Learning Path GenAI基础、LLM、提示设计、图像生成、负责任AI https://cloudskillsboost.google/paths/118
Google AI Essentials AI基础、提示工程、负责任AI https://www.coursera.org/learn/google-ai-essentials
Google Cloud Skills Boost 700+实验，包括Gemini、Vertex AI https://cloudskillsboost.google/

6. Microsoft Learn

课程 内容 链接

|——|——|——|

Microsoft AI Learning Path Azure AI服务、认知服务、ML、负责任AI https://learn.microsoft.com/en-us/training/browse/?terms=ai&roles=ai-engineer
Responsible AI 公平性、透明度、隐私、问责制 https://learn.microsoft.com/en-us/training/paths/responsible-ai-business/
Azure AI Fundamentals (AI-900) AI工作负载、ML、计算机视觉、NLP https://learn.microsoft.com/en-us/training/paths/get-started-with-artificial-intelligence-on-azure/

7. Hugging Face — 4门完整课程

课程 内容 链接

|——|——|——|

NLP Course Transformers、分词器、微调、BERT、GPT、T5 https://huggingface.co/learn/nlp-course
Deep RL Course Q-learning、策略梯度、PPO、多智能体RL https://huggingface.co/learn/deep-rl-course
Audio Course 音频分类、语音识别、TTS、音乐生成 https://huggingface.co/learn/audio-course
Computer Vision Course 图像分类、检测、分割、视觉Transformer https://huggingface.co/learn/computer-vision-course

8. Kaggle Learn — 10+微课程

Python入门、ML入门、中级ML、深度学习、计算机视觉、时间序列、AI伦理、数据清洗、Pandas、特征工程、SQL等

🔗 https://www.kaggle.com/learn

9. YouTube 系列

系列 内容 链接

|——|——|——|

Andrej Karpathy: Neural Networks Zero to Hero 从零手写GPT，深入理解神经网络 YouTube搜 “Neural Networks Zero to Hero”
3Blue1Brown: Neural Networks 最直观的可视化讲解神经网络 YouTube搜 “3Blue1Brown neural networks”
StatQuest with Josh Starmer 统计和ML算法图解，通俗易懂 YouTube搜 “StatQuest”

10. Coursera 审计模式（所有内容免费）

Coursera的”审计”模式可以免费观看所有视频讲座和大部分阅读材料。不会获得评分作业或证书，但内容完全可访问。操作方法：点击”注册” → 找到”审计此课程”链接。

推荐课程：

  • Machine Learning Specialization（Stanford/DeepLearning.AI）
  • Deep Learning Specialization（DeepLearning.AI）
  • Generative AI with Large Language Models（DeepLearning.AI + AWS）
  • Mathematics for Machine Learning（Imperial College）

二、中文课程（国内顶级大学/社区）

1. 李宏毅 机器学习（台湾大学）

最全面的中文ML/DL课程，覆盖Transformer、GAN、RL、自监督学习，讲解幽默深入。

🔗 B站搜 “李宏毅机器学习”

2. 李沐 动手学深度学习

配套教材 d2l.ai，PyTorch实战，论文精读系列。从线性代数到Transformer、NLP、CV全覆盖。

🔗 https://zh.d2l.ai/

🔗 B站搜 “李沐”

3. 吴恩达 中文字幕版

机器学习 + 深度学习专项课程，经典入门必看。

🔗 B站搜 “吴恩达机器学习” “吴恩达深度学习”

4. DataWhale 开源学习社区

系统学习路线 + 每周学习计划 + 中文资料，社区互助学习。

🔗 https://github.com/datawhalechina

5. 其他中文资源

  • 清华/北大 AI导论 — B站搜 “清华大学人工智能导论” “北京大学人工智能”
  • 斯坦福CS229/CS231n 中文字幕 — B站搜 “CS229 中文” “CS231n 中文”
  • 机器之心 — AI新闻和教程 https://www.jiqizhixin.com/
  • AI有道（红色石头） — ML/DL博客教程 https://www.cnblogs.com/peghoty/
  • ApacheCN — ML/DL中文教程 https://apachecn.org/

三、推荐学习路线

路线1：零基础 → ML工程师（英文）

  1. 数学基础：Khan Academy线性代数 + 3Blue1Brown线性代数的本质（YouTube）
  2. Python入门：Kaggle Learn Intro to Programming
  3. ML基础：Andrew Ng的Machine Learning Specialization（Coursera审计）
  4. 深度学习：Deep Learning Specialization（Coursera审计）+ MIT 6.S191
  5. 实践DL：fast.ai Part 1 + Part 2
  6. NLP/Transformers：Hugging Face NLP Course + CS224n
  7. MLOps：Full Stack Deep Learning + Made With ML
  8. 现代GenAI：DeepLearning.AI短课程（按需选）

路线2：中文学习者

  1. 基础：吴恩达机器学习（B站）+ 李宏毅机器学习
  2. 深度学习：d2l.ai（动手学深度学习）+ 李沐教程
  3. 论文精读：李沐论文精读系列
  4. 实践：DataWhale学习路线

路线3：资深IT工程师（快速上手）

  1. fast.ai Part 1 — 自顶向下，尊重工程背景
  2. MIT 6.S191 — 快节奏，前沿技术
  3. DeepLearning.AI短课程 — Agent、RAG、MCP、LangChain（每个1-2小时）
  4. Hugging Face课程 — 按需选NLP/CV/Audio
  5. Karpathy Zero to Hero — 深入理解原理

四、学习建议

  1. 不要贪多：选一条路线，坚持学完，比东学一点西学一点效果好
  2. 动手实践：每个课程都有配套代码/作业，一定要动手做
  3. 先跑通再理解：fast.ai的理念——先让模型跑起来，再深入原理
  4. 加入社区：DataWhale、Kaggle、Hugging Face社区都有活跃讨论
  5. 学以致用：学完一个模块，立即用到自己的项目中

五、总结

以上所有课程均为100%免费，无需付费证书，内容完整可学。从斯坦福、MIT到fast.ai、DeepLearning.AI，从英文到中文，覆盖了AI/ML的各个方向。

选择适合自己的路线，坚持学习，你也能成为AI工程师。

*攀岩者 | 技术总监 | 19年IT全栈实战*

*每天分享AI学习笔记，陪你从零基础到AI达人*

评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

更多文章