TL;DR

• 学习人工智能的最佳资源并不是一份课程列表。 使用一个序列：Python和数学基础，机器学习，深度学习，变换器，然后是一个有评估的项目。
• 麻省理工学院开放课程库在理论方面最强；fast.ai和DeepLearning.AI更适合指导实践；Hugging Face是通往现代开源模型的实用桥梁。
• 谷歌和微软的学习中心在基于角色的介绍和面向云的练习方面表现良好。 Kaggle 对于短期的，以笔记本为第一的实践非常有用。
• 一个作品集项目应该包括数据获取、基线、失败分析和可重复的评估集。 一个精致的演示如果没有这些要素，所传授的内容少于一个较小的经过衡量的系统。
• Web 数据在基础知识之后变得相关。 一个有用的 RAG 项目是搜索 → Nstproxy Crawl → 清理文档 → embeddings → 检索评估，但 Crawl 应该作为一个支持数据层，而不是学习计划的主题。

最佳 AI 学习资源一览

最佳 AI 资源取决于您需要弥补的技能差距。初学者往往浪费时间在不同的课程之间切换，这些课程涵盖相同的介绍，但从未实施完整的项目。Nstproxy Crawl 仅作为后期 RAG 项目的可选数据源，而不是排名中的学习平台。