跳到正文
Chandler Nguyen
AI阅读时间1分钟

我完成 7 门 Andrew Ng 机器学习与 AI 课程的学习路径

我在几个月内完成了 7 门 Andrew Ng 课程,从机器学习基础到构建 GenAI 应用。这里是我的路线图,帮你做出第一个 LLM 应用。

本文反映的是2023年的情况。如需了解该话题的最新信息,请参阅 我上完 Andrew Ng 那 7 门课两年之后:如果今天重来,2026 年我会走的路.

作为一个对机器学习和 AI 世界深感兴趣的人,我发现自己被 Andrew Ng · 联盟链接: Chandler可能会获得佣金。 的教学所吸引。过去几个月,我完成了他的 7 门课程,每一门都为不断演变的机器学习和 AI 领域带来独特的见解。下面是我对这些课程的看法,以及它们如何塑造了我的理解:

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,这门短课对 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。

在我继续机器学习之旅的过程中,我很感激 Andrew 的课程涵盖了这么广泛的主题。它们给了我全面的视角,以及可以落地的技能,用来构建、应用并负责任地扩展 AI 系统。我期待把这些所学用到接下来的真实项目中。

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 STRAŦUM ——一个 9-agent AI 营销平台,它运用了 Andrew 教的那些内容:LLM prompt engineering、function calling、chain-of-thought reasoning,以及多智能体系统。

这个平台使用过 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 被设计成会在每次对话后更懂你的业务。它当时是为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设计的。

它完美吗?当然不(我还在学习中!)。但它确实能运行,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,可以读这篇发布故事。STRAŦUM 已停运 — 它的第一个版本是 MIT 许可的开源参考实现。

还在写代码,还在学习,还在把 Andrew 的方法用到真实问题里。

Chandler