学 Python人工智能 — 手机上的 Python AI 课程，从第一行代码学到 LLM

不需要。学 Python人工智能 从纯 Python 编程开始——变量、循环、函数和数据结构——然后才进入任何 AI 专业课程，并以你从未写过代码为前提。53 门课程中大约前 1/3 是语言基础，这也正是后续机器学习课程能够真正理解、而不是像魔法一样难以捉摸的原因。

先学习 Python 基础，然后使用 NumPy、pandas 和基础统计学处理数据，接着学习经典机器学习——监督和无监督算法、特征工程、模型评估。神经网络、计算机视觉和大型语言模型是最后阶段，建立在前面所有内容之上。应用内课程列表遵循这一顺序，而不是让你过早跳到深度学习。

学 Python人工智能 面向对人工智能感兴趣的完全初学者、希望在课堂之外额外练习 Python 和机器学习的学生、正在培养数据科学技能的转行者，以及想系统复习深度学习和 LLM 的开发者。不需要任何经验，因为第一门课程从零开始。

过拟合是指模型记住了训练样本，而不是学会一般规律——它在已经见过的数据上看起来很准确，但遇到任何新数据就会表现失常。这是初学者开始训练真实模型、而不只是阅读相关内容后最早遇到的实际调试问题之一，所以它在应用内是 AI Mentor 的常见问题，而不是罕见问题。

课程中的编程练习都在应用内置编辑器中运行：输入代码、运行代码并立即查看输出，因此你练习的是真实代码，而不是阅读静态示例。当你从课程练习进一步转向以生产规模训练大型模型时，就需要配备 GPU 硬件的笔记本电脑；这超出了学习应用的范围。

会。在学习经典机器学习和神经网络之后，学习路径会涵盖自然语言处理、词嵌入，随后专门学习大型语言模型：包括 Large Language Models with Python 课程，以及 LangChain and RAG Systems 课程，学习如何将 LLM 连接到你自己的数据，从而回答有关这些数据的问题。

坚持学习比累计学习时长更重要。每天完成简短课程后，大多数初学者在几周内就能编写并运行一个简单的分类器，前提是先完成 Python 基础和前几门机器学习课程——学习路径后面的神经网络和 LLM 课程需要更长时间，适合反复学习。应用内的连续学习天数和提醒功能，正是围绕这种每日学习节奏设计的，而不是让你一次长时间学习。

应用可在 App Store 和 Google Play 免费下载。第一门课程免费，并提供每日 AI Mentor 提问额度，因此你可以先完成真实的 Python 课程，再决定是否继续。Pro 是付费升级版：可解锁所有课程，包括机器学习和 LLM 内容，移除广告，并让 AI Mentor 不限量使用。

它是为网络不稳定的情况设计的，而不是为完全没有网络的情况设计的。课程加载速度快，即使网络时断时续也能继续使用，足以应对大多数通勤场景。AI Mentor 确实需要网络连接，因为它会实时回答你的问题，而不是从手机中存储的内容里提供答案。

学 Python人工智能 可通过 App Store 在 iOS 上运行，也可通过 Google Play 在 Android 上运行；应用本身支持 22 种语言。内容评级为 4+。它属于 CoddyKit，这是一个拥有 40 多款编程应用的系列。