2022年7月12日，MidJourney research lab 发布 Midjourney。
2022年11月30日，OpenAI 发布 ChatGPT。
2023年12月6日，Google 发布 Gemini。
2024年5月14日，OpenAI 发布 GPT-4o……
2024年10月8日，诺贝尔物理学奖颁发给 John J. Hopfield 和 Geoffrey E. Hinton，以表彰他们在人工神经网络方面作出的贡献。2024年10月9日，诺贝尔化学奖颁发给 David Baker 和 AlphaFold 开发者 Demis Hassabis、John M. Jumper
2025年1月20日，幻方旗下公司深度求索发布世界首个完全开源的推理模型 DeepSeek-R1，被称为当时最为先进的大语言推理模型。
2023 年可以说是人工智能爆火元年。从 ChatGPT 发布，到各地媒体广泛报道，世界各国 AI 公司奋起直追，众多国家将 AI 纳入国家重要战略，新的 AI 模型如雨后春笋般不断涌出。机器学习、深度学习、神经网络等专业词汇也似乎有渐渐走入公众的视野。
但是，究竟什么是 AI ？现有的 AI 真的如媒体报道所言那般“强大”了吗？现有的 AI 相关的技术背后又是什么原理在支撑？……怀着这些疑问，我报考了人工智能专业，以期在未来将这些问题一一解决，踏上了我的 AI 学习之旅。
可是我多希望这样美好的、怀揣着希望的出发，能够拥有一个明媚的旅途、一个至少令我满意的结局啊。现实一次又一次地无情地告诉我，我的愿望几乎不可能实现——老旧的教材、不合理的培养方案、一言难尽的授课质量、各式各样的杂乱活动，一个接一个的消磨我的内心，更别提学院之间一些本不该发生的糟心事……我无意对这些发表更多的评论，只是每每都会想起上海交通大学生存手册中欢迎来到上海交通大学一节的内容，如芒在背。
我只是看到了无数充满求知欲、激情、与年轻梦想的同学们，将要把自己的四年青春，充满希望与信任地交给大学来塑造。这使我心中非常不安。
所幸我能在刚入学的时候就遇到 csdiy 这个宝藏网站，开始按照上面的课程介绍开始了我的自学生活。我感激所有无私做出分享的学长学姐，因为我无法想象，如果没有他们，接下来的本科四年，我将会在什么样的生活中度过。
时间流逝得飞快，转眼就到了一学期结束，按照学校的要求，学生需要写下自己一学期的回顾与总结。在这个时候，我突然有了一个大胆的想法——为什么不把自己的学习过程记录下来，做成一个 AI 相关的学习分享网站，像 csdiy 一样呢？我又搜索了国内是否有这样的网站，结果并未发现（不过现在发现了一些）。这更加激发了我建立一个学习分享网站的念头。另一方面，在阅读 csdiy 时，我也感受到了一些小小的问题：
- 目前无法仅靠 csdiy 构建出一个与 AI 相关成体系的课程网络，一些更深层次的 AI 课程、一些 AI 额外需要学习的数学课程还没有收录；并且，这些课程又几乎只有 AI 方向将会用到，单独划分到 AI 学习路线中会更为合理。我将在这个网站中进行补齐。
- csdiy 的作者并没有给出一个明确带有先修关系的 roadmap，这使我无法很快地安排出一条长期的学习路线，例如自学课程的先后关系，怎样安排能够顾及到大学本有的课程安排等等。因此我决定在我将建立的网站中添加一个 roadmap，不过由于每个人的情况不同，我没法给出一个适合所有人的学习路线，仅仅也只供参考。
于是当天下午我就基于 materials for mkdocs 搭建起了这个学习网站，记录下我学习过程中所用到过的资料和心得体会，并整理出一条 AI 方向的学习路线，希望能给他人带去哪怕一点点帮助。我会竭尽我所能：
- 寻找优质书籍、网课等资料并进行汇总；
- 安排出一条尽可能合理的 AI 学习路线规划；
- 在具体的课程中提供自己的尽可能多的有价值的心得体会。
对于前两点，我有信心做到令大多数人满意；对于最后一点，我所提供的心得也许并不适合每一个人，这是一件仁者见仁的事情，我会做到我能力范围内的最好。
如果能帮助到你，将会是我的万分荣幸。
我非常欢迎任何人做出贡献，接收不限于如下的几种贡献内容：
- 对已有课程的补充，可以是心得体会、资料推荐等等。
- 新的课程推荐。提交这种贡献时，请注意标注好与我的学习路线的先修关系，然后记得加入学习路线图（尽可能保持美观）。
- 对于实用工具的补充。我也欢迎有关工具使用/学习教程的贡献，因为根据经验，这往往能给第一次使用这些工具的同学以极大的便利。
在提交贡献时，请尽可能做到以下几点：
- 文件（夹）命名规范。文件夹名请使用英文小写，并用
-进行单词的划分（例如linear-algebra、deep-learning）；文件名使用课号（如果是课程推荐的话，如CS229），或者书名的方式（如果是书籍推荐的话，如Introduction-to-Linear-Algebra），或者工具英文名（如Docker） - 排版规范。对于新增课程、书籍或原有课程、书籍的修改补充，请根据仓库中 template 文件夹下的格式进行排版。对于工具的增添，虽然没有具体的排版限制，但是请尽可能的优雅。
- 中英文混合排版参考这个仓库。专有名词的英文参照其原始写法（例如，是
LaTeX而不是latex）。英文书名请使用 italics。 - 先修/后续关系。如果是新增课程/书籍的话，请务必将其添加进学习路线图中与根目录下的
mkdocs.yml文件导航设置中；如果你对这个步骤不太明白的话，也可以在 issue 中提出。我将进行一定的校对后帮助你发布到网站上。 - 为了保证界面风格一致性，一级标题请按照下述格式：
- 如果是课程推荐，使用
所属大学 课程号: 课程名的方式（如Stanford CS229: Machine Learning） - 如果是书籍推荐，中文书名使用
《书名》的方式（如 《概率导论》），英文书名使用斜体书名（如 Linear Algebra Done Right） - 如果是工具推荐，使用
工具名的方式（如LaTeX）
- 如果是课程推荐，使用
- 如果在其它网站上有相关的课程介绍的话，可以在末尾进行补充。
另外，可以按照如下方式配置环境：
# fork aiTour to your repos
# remember to change user name
git clone https://github.com/KinnariyaMamaTanha/aiTour/
# install conda before this step
conda create -n aiTour python=3.10 -y
conda activate aiTour
# cd into the dir before this step
pip install -r requirements.txt
# begin serving
mkdocs serve
#### or you can use uv to get locked dependencies
# install uv first
curl -LsSf https://astral.sh/uv/install.sh | sh
# or pip install uv
# set up the environment
uv sync如果你发现本书的错误或者有改进意见，请尽情地提出 issue！我会尽可能快地修改（ddl 期间除外）。或者你也可以向我发送邮件！
本书已支持讨论功能，请在讨论区进行讨论，笔者创建了一个 QQ 交流群：793679786，你也可以自行成立 QQ / 微信等群聊进行交流。
项目贡献者编写的部分依照 MIT LICENSE。
其余部分（包括但不限于书中提到的课程资源、开源书籍以及视频内容）遵循原作者规定的许可。