260 AI开发项目30|代码|00 文档|01 前言

这门课的主体是 30 个 AI 开发项目，配套代码和文档。它不讲某个框架的 API 大全，而是把项目拆成可运行的小工程，让你在做完之后，能自己从零搭起一个能跑通训练和推理的流程。

它解决的是"看过原理但写不出代码"的问题

很多人学 AI 的路径是先啃教材、再看视频，理论能说上几句，但真给一个数据集，不知道从哪一步开始。这门课针对的正是这个断层：每个项目都从一个具体任务出发，比如图像分类、文本处理这类常见场景，你需要自己动手把数据读进来、把模型搭起来、把结果跑出来。它不承诺你学完就能进大厂，但能让你在面对一个真实的小任务时，不再卡在"第一步该写什么"上。如果你目前的状态是能看懂别人的代码、自己写就发怵，这门课的位置就在这里。

适合什么基础，先看哪几块

它面向的是有 Python 基础、知道张量和梯度大概是什么的人。如果你连 Python 的函数和类都还不熟，建议先补语言基础再回来，否则项目里的报错会让你消耗在环境问题上，而不是模型本身。资料里除了项目代码，还有一份文档和前言部分。前言别跳过，它通常交代了环境怎么配、代码怎么组织、每个项目之间是什么关系，先读它能省掉后面很多试错。文档部分建议在动手前扫一遍对应项目，知道输入输出是什么，再去看代码，效率比直接读代码高。项目本身按难度有区分，入门级别的先做，把流程走顺，再挑涉及图像或文本处理的项目深入。

学完能独立做什么，资料怎么配合练习

把 30 个项目走完，你应该能独立完成这样几件事：拿到一份数据，判断它适合什么类型的任务，选一个合适的模型结构，写训练循环，看损失和指标判断有没有跑偏，最后把训练好的模型拿去做推理。这套流程是 AI 开发里最基础也最常被考的部分，能独立走通，后面学更复杂的模型才有落脚点。练习上，别只是把代码跑一遍看结果。每做完一个项目，试着改一个变量：换数据集、调超参、改网络层数，看结果怎么变，这比重复跑通更有用。代码和文档配合着用，文档告诉你这个项目在做什么，代码告诉你具体怎么做，两者对照着看，理解会扎实很多。如果时间有限，优先保证每个项目都能自己从头跑通一遍，而不是贪多求快。