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：

1. 我比上个月更能看懂代码了吗？
2. 我能改示例，而不只是复制了吗？
3. 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

1. Python 和调试。
2. 数据处理和可视化。
3. 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。

留下的证据

学完这一页，至少保留这张证据卡：

参考问题

你来这个附录页要决定或澄清的内容

所选规则

你将应用的规则、检查项或解释

课程链接

该引用支持哪一章或哪个项目

风险检查

把附录材料当成被动阅读，而不是决策辅助

期望产出

一份会改变路线、设置、项目或复盘决策的说明