数学基础与直觉构建
- 3Blue1Brown（760万订阅）：将线性代数、微积分、神经网络讲成"可视化直觉"，是理解AI底层逻辑的最佳起点
- StatQuest with Josh Starmer（148万订阅）：统计与机器学习概念一刀见血，逻辑回归、随机森林讲解尤为经典
建议先看：线性代数本质系列，以及 StatQuest 的逻辑回归和随机森林专题。
动手写模型：代码与实战
- Andrej Karpathy（102万订阅）：从零手写 Transformer，深入理解 LLM 训练核心思路
- Jeremy Howard / fast.ai（13.8万订阅）：实用优先，先拿到结果再补理论，适合想快速出活的开发者
- Dave Ebbelaar（20.7万订阅）：端到端项目实操，涵盖 RAG、评测与部署全流程
建议先看：Karpathy 的从零实现 GPT 系列，以及 fast.ai「Practical Deep Learning」开篇课。
名校体系化课程
- Stanford Online（83.8万订阅）：CS229、CS231n 及 LLM 系列公开课，适合系统性补课
建议先看：概率与最优化基础，再跟进视觉和 LLM 最新课程。
工程化与 MLOps
- Hamel Husain（1.19万订阅）：聚焦 RAG 评估、提示词迭代、数据工作流和产品化落地
这个频道对想把 AI 能力真正部署到产品中的独立开发者尤其有价值。
研究前沿与长期趋势
- Machine Learning Street Talk（19.9万订阅）：硬核学术播客，论文作者亲自讲解
- Lex Fridman（480万订阅）：与顶尖科学家和企业家深度对谈，适合做策略判断和认知升级
建议关注 Transformer、对齐、多模态相关主题的长谈。
通俗入门：公式背后的直觉
- Serrano.Academy（18.1万订阅）：概率、信息论、机器学习的直白拆解
建议先看：交叉熵、贝叶斯、马尔可夫链的直观解释。
30天学习路径
| 周次 | 内容安排 |
|---|---|
| 第1周 | 3Blue1Brown + StatQuest：线性代数、概率、回归、决策树 |
| 第2周 | fast.ai 开篇课 + Karpathy「从零写 Transformer」 |
| 第3周 | Dave 的项目实操 + Hamel 的 RAG/评测实战 |
| 第4周 | Stanford 体系化补课；MLST/Lex 选3期做研究笔记 |
学习规则：
- 每个视频做「双速笔记」——1行直觉总结 + 1行公式或代码
- 每看2个视频，复刻1个小实验
- 每周精读1篇长谈或论文讲解，拉高全局视野
为什么是这10个频道
这份清单的核心逻辑是覆盖完整的能力链路：数学让你理解原理，代码让你做出东西，工程让你部署上线，研究让你跟上前沿，认知让你做对决策。对于用AI构建产品的独立开发者而言，不需要成为每个方向的专家，但需要在每个环节都有足够的理解力。按照30天路径走一遍，足以建立一个可复用的AI知识底座，支撑后续的 Agent 搭建和产品开发。