AI 学习路线规划

推荐资源：

• 吴恩达《深度学习》专项课程
• PyTorch 官方教程（60 分钟入门）
• 《动手学深度学习》（李沐，免费）

第五阶段：大模型与生成式 AI

**目标：**掌握 LLM 应用开发

5.1 大模型基础（2 周）

• 理解原理：Transformer 架构、预训练 + 微调、RLHF

学习资源：

• 《大模型时代》陈云霁
• 李宏毅《生成式 AI》课程
• paper：《Attention Is All You Need》

5.2 RAG 技术（2-3 周）

深入方向：

• 向量数据库：Chroma、Milvus、Pinecone
• 嵌入模型：OpenAI Embedding、M3E（中文）
• 检索策略：Hybrid Search、重排序
• 框架：LangChain、LlamaIndex

**实践项目：**搭建个人知识库问答系统

5.3 Agent 开发（2-3 周）

• 核心概念：ReAct、CoT、Tools 使用
• 框架：LangChain Agent、AutoGPT、Dify
• 实战：开发能查天气、写代码的 Agent

5.4 模型微调（可选，进阶）

• PEFT 方法：LoRA、QLoRA、Prompt Tuning
• 工具：Hugging Face Transformers、PEFT 库
• 硬件：至少需要 16GB 显存（或 Colab Pro）

第六阶段：工程化与就业

**目标：**能落地 AI 产品，找工作

学习资源汇总

视频课程

推荐书籍

1. 《Python 数据科学手册》
2. 《深度学习》（花书，Ian Goodfellow）
3. 《机器学习实战：基于 Scikit-Learn 和 TensorFlow》
4. 《大模型应用开发极简入门》（LangChain）

实践平台

• Kaggle：数据集、竞赛、Notebook
• Google Colab：免费 GPU（T4）
• Hugging Face：模型库、教程、Spaces
• 阿里天池：中文数据集和竞赛

时间规划建议

**全职学习（每天 6-8 小时）：**6-8 个月达到初级水平

**兼职学习（每天 2-3 小时）：**12-18 个月

建议：

1. 不要贪多，一个阶段完成再进入下一阶段
2. 70% 时间动手实践，30% 时间看理论
3. 做项目 > 做笔记 > 看视频
4. 加入社区：GitHub、知乎、PaperWeekly

你可以立即开始的第一步

1. 完成一个小项目：用 Python + Pandas 分析你感兴趣的任意数据集
2. 跑通第一个 ML 代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# 加载数据 → 训练 → 预测
# 全程只需 10 行代码！

3. 体验大模型 API：注册智谱/OpenAI，用 Python 调 API 做一个问答小应用