很多家长问我们：孩子想参加NOAI，但AI听起来那么高深，该从哪学起？会不会走弯路？这个问题，IOAI官方已经给出了答案。
国际人工智能奥林匹克（IOAI）官网列出了一份推荐资源清单，涵盖在线课程、电子书、练习平台。这份清单的含金量，可能超出你的想象——
资源来自Google、MIT、斯坦福，作者包括斯坦福教授、深度学习领域的奠基人。
这些曾经只属于顶尖高校学生的内容，现在免费开放给全球每一个备赛的孩子。
下面，我们按照学习阶段，带你看看这份清单里都有什么。
第一步：理解AI是什么
在写代码之前，孩子需要先对AI有一个整体的认识。这一步不需要任何编程基础，重在建立直觉。
Elements of AI
芬兰推给全民的AI科普课，目标是"让每个人都能理解AI"。
这门课由赫尔辛基大学开发。芬兰曾把它推广给全体国民，希望让1%的人口（约55万人）掌握AI基础知识，结果报名人数远超预期。
课程用通俗的语言解释AI是什么、能做什么、不能做什么，特别适合作为孩子接触AI的"第一课"。
Google 机器学习速成课
Google内部培训『工程师』的教材，用动态图表把抽象概念讲明白。
"机器是怎么学习的？"这个问题听起来很抽象，但这门课用动画讲明白了：
• 什么是"梯度下降"？一个小球滚下山坡的动画，看一眼就懂
• 什么是"过拟合"？图表展示模型在训练数据上很好、在新数据上却一塌糊涂
这门课现在免费开放给所有人。全球无数AI从业者的第一课，就是从这里开始的。
第二步：动手写代码
理解了基本概念之后，下一步是学会用代码实现。这一步的关键是"动手"——光看不练是学不会的。
Kaggle Learn
打开网页就能写代码，不用装任何软件。
很多家长一听"编程"就头疼：要装软件吗？电脑配置够吗？
Kaggle Learn解决了这个问题。它是全球最大的数据科学竞赛平台Kaggle推出的免费学习模块，孩子跟着课程一步步做，写完代码点"运行"，立刻看到结果。
从Python基础语法，到数据处理、数据可视化，Kaggle Learn都有对应的微课程，每个只需要几个小时。
PyTorch 官方教程
像词典一样备在手边，随时查。
PyTorch是目前最流行的深度学习框架之一，也是NOAI竞赛中使用的主要工具。
PyTorch的官方教程不是用来从头学的，而是用来查的——某个函数怎么用？某个功能怎么实现？官方文档里都有标准答案。就像学英语要备一本词典，学PyTorch也需要把官方教程放在手边。
第三步：系统学习深度学习
有了编程基础之后，孩子需要系统学习深度学习的原理和实践。这一步资源最丰富，我们按照不同的学习风格来介绍。
想边学边练：Dive into Deep Learning
每一个数学公式旁边，都有对应的代码实现。
如果只推荐一本深度学习教材，很多人会选这本。
《动手学深度学习》的特点是：学完一个概念，孩子可以立刻运行代码，看看这个公式在真实数据上是怎么工作的。理论和实践无缝衔接。
这本书有完整的中文版，作者李沐（亚马逊资深首席科学家，美国卡内基梅隆大学计算机系博士）在B站还有配套的中文讲解视频。
想快速出成果：Fast.ai
先跑通一个完整的项目，再回头理解为什么。
很多课程的教学顺序是：先学数学，再学原理，最后写代码。Fast.ai反过来。
第一节课，孩子就能训练出一个能识别图片的AI模型。成就感拉满之后，再去学背后的原理，动力完全不一样。这门课在硅谷极受欢迎，很多AI『工程师』都是从Fast.ai入门的。
想打牢基础：MIT 6.S191
麻省理工学院的深度学习入门课程。
作为顶尖高校的正式课程，它的讲解严谨、体系完整，适合希望扎实掌握基础的孩子。课程视频和资料都免费公开。
想深挖理论：Deep Learning Book
深度学习领域的"圣经"，三位奠基人合著。
这本书的作者是Ian Goodfellow等三位深度学习领域的奠基人。它系统讲解了深度学习背后的数学原理，适合想深入理解"为什么"的孩子。
内容有一定难度，建议在有了实践经验之后再来啃这本书。
想学实用技巧：Deep Learning with Python
Keras框架创始人教你用最少的代码解决实际问题。
这本书专注于用Python实现深度学习，作者是Keras框架的创始人François Chollet。
它不追求理论的完备，而是教孩子怎么用最少的代码解决实际问题。适合喜欢"先跑起来再说"的实践型选手。
想学解决问题的思路：Machine Learning Yearning
斯坦福教授吴恩达教你"迷路了怎么找方向"。
这是一本薄薄的电子书，作者是吴恩达（Andrew Ng）。
吴恩达是『斯坦福大学』教授，创办了全球最大的在线教育平台之一Coursera，曾担任Google Brain负责人和百度首席科学家，是AI教育领域的标杆人物。
这本书不讲具体的算法，而是讲策略：模型效果不好怎么办？是数据的问题还是模型的问题？应该先调哪个参数？
打个比方：如果说其他教材教的是"怎么开车"，这本书教的是"迷路了怎么找方向"。对于要参加竞赛的孩子来说，这种解决问题的思路往往比具体知识更重要。
第四步：专项突破
当孩子掌握了深度学习的基础，想在特定方向上深入时，『斯坦福大学』的这两门课程是最权威的选择。
Stanford CS231n：计算机视觉
全球AI专业学生的必修课，专注图像识别、目标检测。
课件和作业都免费公开。
Stanford CS224n：自然语言处理
专注文本理解、『大语言模型』，想了解ChatGPT原理不可错过。
这两门课的难度较高，适合已经有一定基础、想冲刺拔高的孩子。能学完的孩子，知识储备已经接近海外顶尖高校AI专业的本科生水平。
看完这份清单，你可能会有一个感受：
路已经铺好了
Google的课程、MIT的课堂、斯坦福的课件、吴恩达的心得——这些曾经只属于少数人的内容，现在都免费开放，等待每一个愿意学习的孩子。
NOAI不是让孩子闭门造车。官方已经把最好的资源整理成了一条清晰的路：从理解概念，到动手写代码，到系统学习，再到专项突破。
孩子要做的，只是迈出第一步。
