AI 学习路线图

🗺 学习路线图

这份路线图帮助你规划 AI 学习路径，每个阶段学完后做一个实战项目巩固知识。点击卡片可直接跳转到对应内容。

🧱 第一阶段：打好基础

Python 基础NumPy、Pandas、Matplotlib2 周 →数学基础线性代数、概率论、微积分3 周 →机器学习概念监督学习、无监督学习、评估指标2 周 →

⚙️ 第二阶段：机器学习入门

经典算法线性回归、决策树、SVM、KNN3 周 →特征工程数据清洗、特征选择、降维2 周 →模型评估交叉验证、过拟合、正则化1 周 →

🧠 第三阶段：深度学习

神经网络基础感知机、激活函数、反向传播2 周 →CNN卷积、池化、经典架构2 周 →RNN / LSTM序列模型、注意力雏形2 周 →

🚀 第四阶段：现代大模型

TransformerSelf-Attention、多头注意力、位置编码3 周 →预训练模型BERT、GPT 系列、扩散模型2 周 →LLM 原理缩放法则、涌现能力、对齐2 周 →

🛠 第五阶段：工程实践

Prompt EngineeringFew-shot、Chain-of-Thought、结构化提示1 周 →RAG向量检索、文档切分、混合搜索2 周 →Agent 开发工具调用、多步推理、记忆系统2 周 →模型部署量化、推理优化、API 服务1 周 →

💡 建议：每个阶段学完后，做一个实际项目来巩固知识。知识库里有对应的概念卡片可以随时查阅。