学生党・AI 技术派系统化学习计划

第1个月Python编程基础与极简数学学习重点掌握AI开发的绝对底座语言并补充必要的极简数学概念。Python核心变量、数据类型、控制流if/for/while、函数、文件操作。重点掌握数据处理三大库NumPy数值计算、Pandas数据处理、Matplotlib/Seaborn数据可视化。极简数学无需死磕高数课本。只需理解向量、矩阵运算线性代数基础以及导数、梯度下降的概念微积分基础能看懂Loss Function即可。落地小项目使用Pandas读取一个CSV文件进行数据清洗并用Matplotlib画出简单的折线图或柱状图编写一个简单的自动化处理脚本。时间分配建议前两周集中攻克Python语法与常用库后两周穿插了解AI所需的极简数学概念。第2-3个月传统机器学习入门学习重点理解机器是如何靠数据自己学习的这是所有深度学习的地基。核心概念监督学习与无监督学习、训练集与测试集、过拟合与欠拟合、模型评估指标准确率、召回率等。经典算法线性回归、逻辑回归、决策树、K-Means聚类。核心工具熟练使用Scikit-learn库实现上述算法。落地小项目在Kaggle等平台寻找经典数据集如Titanic生存预测或房价预测独立完成从数据预处理到模型训练、评估的全流程。时间分配建议这两个月是打地基的关键期。周末的2.5~3小时应主要用于跑代码和调参工作日的1小时用来复盘理论或观看教学视频。第4个月深度学习与神经网络学习重点掌握当下主流AI如ChatGPT、AI绘画背后的核心技术。核心原理神经元、多层感知机MLP、激活函数、反向传播算法。网络架构CNN卷积神经网络主攻图像识别、RNN/LSTM循环神经网络主攻文本序列。主流框架新手强烈推荐选择 PyTorch它简单易懂且研究友好。落地小项目使用PyTorch从零搭建一个手写数字识别模型MNIST数据集或简单的猫狗图像分类器。时间分配建议本周起正式进入深度学习框架学习遇到报错是常态利用周末的大块时间集中解决Bug和调试模型。第5个月大模型LLM与生成式AI学习重点紧跟当前最热门的招聘方向与技术趋势。Transformer架构深入理解自注意力机制Self-Attention、词嵌入Tokenization。应用开发技术提示词工程Prompt Engineering、检索增强生成RAG、LangChain框架的使用。微调基础了解如何使用LoRA等参数高效微调技术对开源小模型进行指令微调。落地小项目构建一个基于自有文档的本地问答机器人RAG应用或者部署一个专属的聊天助手。时间分配建议此阶段实操性极强建议充分利用Hugging Face等开源社区的资源多看官方文档和优质教程。第6个月综合实战项目与MLOps部署学习重点将前5个月的知识串联补齐工程化短板模型只占20%上线运行占80%。工程化技能学习Docker容器化、FastAPI接口开发、基础的Git版本控制。综合实战选择一个感兴趣的垂直领域如智能客服、商品推荐、文本摘要完成端到端的开发。落地小项目将上个月做的大模型问答系统封装成Web API使用Streamlit或Gradio搭建前端界面并尝试将其部署到云端服务器上。时间分配建议这个月是质变期。将大部分精力投入到完整项目的打磨中整理好GitHub代码仓库形成一份拿得出手的作品集。 给您的专属避坑建议顺序不可乱千万不要一上来就去啃大模型底层论文没有Python和机器学习基础会非常痛苦且容易放弃。重实操轻理论不要陷入“只看视频不敲代码”的陷阱。哪怕是粗糙的项目只要动手去做就能积累经验。善用免费资源这套路线的所有知识都可以通过B站如吴恩达、李沐的视频、Kaggle Learn、Hugging Face官方教程等免费获取无需报昂贵的培训班。