Learning Path
一条清晰的 AI 学习路线
无论你是零基础的初学者，还是有一定经验的工程师， 这条路线都能帮你定位当前阶段、规划下一步。
共 6 个阶段
总时长约 36 周
配套实战项目
1
阶段一
AI 入门与编程基础
建立 Python、线性代数与概率统计基础，理解 AI 解决什么问题。
⏱ 4 周
核心知识点
- Python 速成
- NumPy / Pandas
- 线性代数基础
- 概率统计基础
2
阶段二
机器学习核心
掌握监督/无监督学习全流程，能用 sklearn 完成端到端任务。
⏱ 6 周
核心知识点
- 回归与分类
- 决策树与集成
- 特征工程
- 模型评估与调参
3
阶段三
深度学习与 PyTorch
理解神经网络原理，能用 PyTorch 实现图像与文本任务。
⏱ 8 周
核心知识点
- 神经网络基础
- CNN
- RNN / LSTM
- 训练技巧与调优
4
阶段四
Transformer 与大模型原理
深入 Self-Attention 与预训练范式，能读懂主流 LLM 论文。
⏱ 6 周
核心知识点
- Attention 机制
- Transformer 架构
- 预训练与微调
- 主流 LLM 论文精读
5
阶段五
大模型应用开发
把 LLM 用起来：Prompt 工程、RAG、Agent、Function Calling。
⏱ 8 周
核心知识点
- Prompt 工程
- RAG 系统
- Agent 架构
- Function Calling
6
阶段六
工程化与生产部署
让模型从 demo 走向生产，关注性能、可观测与成本。
⏱ 4 周
核心知识点
- 推理优化
- 可观测与监控
- CI/CD 与灰度
- 成本与安全