A.6 常见问题
当问题很模糊、很焦虑时，先用这一页把它转成下一步行动。
快速回答
| 问题 | 简短回答 | 下一步 |
|---|---|---|
| 数学弱能学 AI 吗？ | 可以。数学可以跟着代码和项目补。 | 先跑 Python、NumPy 和小 ML 示例。 |
| 需要先买 GPU 吗？ | 初期不需要。 | 先 CPU/API；真正训练时再租云 GPU。 |
| 每章都要学吗？ | 主线尽量保留，再选方向模块。 | 打基础后选择 RAG/Agent/CV/NLP/多模态。 |
| 每周学多久合理？ | 稳定比爆发更重要。 | 每周 4-10 小时持续推进就有用。 |
| 什么时候做项目？ | 越早越好，但项目要小。 | 做一个输入 -> 一个处理 -> 一个输出。 |
| 看不懂论文是不是不适合？ | 不是。论文是后面的补充材料。 | 先看教程，再看代码，最后看论文。 |
| 什么时候能找工作？ | 能讲清楚 2-3 个项目时。 | 准备 README、指标、失败案例和面试故事。 |
应用开发向最短主线
工具 -> Python -> 数据 -> 深度学习基础 -> 大模型原理 -> RAG -> Agent
如果你想模型基础更扎实：
工具 -> Python -> 数据 -> 数学 -> 机器学习 -> 深度学习 -> 大模型 -> RAG / Agent
每周节奏
| 每周时间 | 推荐节奏 |
|---|---|
| 4-6 小时 | 2 次学习 + 1 次编码 |
| 7-10 小时 | 3 次学习 + 2 次编码 |
| 12-18 小时 | 增加 1 个项目/复盘块，注意别燃尽 |
信心重置
觉得自己很慢时，问三个问题：
- 我比上个月更能看懂代码了吗？
- 我能改示例，而不只是复制了吗？
- 我能把一个概念讲得更清楚了吗？
如果答案是“能”，你就在进步。
先加强这三种能力
- Python 和调试。
- 数据处理和可视化。
- 最小闭环项目思维。
很多新人以为自己缺的是更高级模型，其实通常先缺清晰的输入、输出、检查和解释。