我完成 7 门 Andrew Ng 机器学习与 AI 课程的学习路径

我得承认，一旦开始上 Andrew Ng 的课，我就停不下来了 :D 过去几个月，我在 Coursera 和 DeepLearning.AI 上完成了他的 7 门课程。每门课都承接上一门，让我越来越清楚机器学习和 AI 到底是怎么运作的。如果你从零开始，我觉得下面这个顺序最合理：

• Machine Learning Specialization
• ChatGPT Prompt Engineering for Developers
• Generative AI for Everyone
• Building system with chatGPT API
• Neural Networks and Deep Learning
• Functions, Tools, and Agents with LangChain
• Vector Databases: from Embeddings to Applications

1. Machine Learning Specialization - 夯实基础

这是一个对新手非常友好的 3 课程专项，能为机器学习概念和应用打下很稳的基础。内容从回归、分类等监督学习算法开始，逐步到无监督学习与强化学习等更进阶主题。我很喜欢里面的 Python 实操练习，即使编程经验有限也能跟上。我认为这是目前最好的机器学习入门课程之一。

2. Generative AI for Everyone - 拆解“热潮”背后的真实能力边界

这门课面向非技术人群，核心价值是把生成式 AI 讲清楚：它能做什么、不能做什么。内容结构清晰，在优点与局限之间保持平衡，也拆除了不少常见误解。对于想系统理解生成式 AI 从概念到落地、包括如何写有效提示词的人来说，这是一门很好的课程。

3. Neural Networks and Deep Learning - 理解关键模型

这门课会更深入一些，讲深度学习如何用于监督学习、主要模型类别（CNN、RNN 等）以及适用场景。需要提醒的是：如果你先上了 “Machine learning specialization”，这里有些内容会有重复感。你可以按需求跳过部分章节。

4. 当你准备好做第一个 Gen AI 应用时

当你觉得自己已经准备好开始做第一个应用，尤其是 Gen AI 应用时，建议先上这两门：“ChatGPT Prompt Engineering for Developers” 和 “Building system with chatGPT API”。

这两门会帮你省下很多时间，因为它们会把构建应用时最关键的思考步骤梳理清楚。当然也有示例代码，所以非常实用。

ChatGPT Prompt Engineering for Developers

这门课对新手和进阶学习者都很有帮助。授课除了 Andrew，还有 OpenAI 的 Isa Fulford。课程重点是提示词工程细节和大型语言模型（LLM）的使用方式。它把 LLM 的核心概念讲得很清楚，也给了很多提示词工程最佳实践，尤其适合想在真实应用里使用 LLM API 的人。比如，如何让 GPT 以 JSON 格式输出，方便你在后续系统流程里直接使用。

Building Systems with the ChatGPT API

这是 Prompt Engineering 课程的后续，一小时左右，对 LLM 新手很友好。它提供了可直接上手的示例，教你如何高效构建多步骤的大模型系统。对想入门提示词工程和大模型应用的人来说，是很好的前置课程。我尤其喜欢它用实际代码解释了这些点：

• 如何用 "Moderation API" 验证用户输入，避免 prompt injection
• Chain of thought reasoning
• Chaining prompts
• Output evaluations

5. 想再往深处走？

完成这些之后，如果你还想更深入做 Gen AI 应用，那么 “Functions, Tools, and Agents with LangChain” 和 “Vector Databases: from Embeddings to Applications” 这两门非常合适。

理解什么是向量数据库、它如何工作、以及它如何帮助你构建多模态生成式 AI 应用，这个过程真的很酷。

回头看，我很感激这些课程之间的衔接做得这么好。它们给我的不只是理论知识，还有真正“敢开始动手做”的实践信心。如果你和我一样来自非技术背景，我真心觉得这是一条非常优的学习路径。

6. 更新（2025 年 11 月）：把这些学到的东西做成真实产品

还记得我之前说我很期待“把这些学习应用到真实项目”吗？后来我真的做了。

完成这些课程后，我花了 75 天做出了 https://stratum.chandlernguyen.com/ ——一个 9-agent AI 营销平台，里面正好落地了 Andrew 教的那些关键能力：LLM prompt engineering、function calling、chain-of-thought reasoning，以及多智能体系统。

这个平台使用了 11 套战略框架（SWOT、Porter 五力、蓝海战略等）和渐进式学习机制——也就是 AI agent 会在每次对话后更懂你的业务。它主要面向需要战略洞察而不只是执行动作的小企业和营销代理机构。

它完美吗？当然不（我还在学习中！）。但它已经上线、可用，而且就是把 Andrew 课程里的内容实践出来的结果。有时候，最好的学习方法就是做一个真的东西出来。

如果你想看这些 AI 概念如何转化成真实产品，可以读这篇 STRAŦUM: The 9-Agent Marketing Application I Built in 75 Days (Solo, While Sick for 10)，或者直接看 https://stratum.chandlernguyen.com/。

还在写代码，还在学习，还在把 Andrew 的方法用到真实问题里。

你呢？你上过这些课程吗，或者也在走类似的学习路线？很想听听什么对你有效（或无效）。

致敬，

Chandler