Learning Path

AI学习路线图

系统性的AI学习路径规划，从数学基础到前沿技术，助你成为AI领域专家

基础阶段 机器学习 深度学习 大模型时代 专业方向
6
学习阶段
48
核心技能点
120+
配套资源
12-18
建议月数
1

基础阶段

数学基础与编程能力

⏱️ 2-3个月
入门级
📐
线性代数基础
掌握向量、矩阵运算、特征值分解等核心概念，这是理解神经网络的基础数学工具。
向量空间 矩阵运算 特征分解 SVD
3Blue1Brown视频 MIT线性代数 练习题集
入门级
📊
概率与统计
理解概率分布、贝叶斯定理、假设检验等统计概念，为机器学习的理论基础做准备。
概率分布 贝叶斯推断 最大似然 假设检验
Stat110 贝叶斯方法
入门级
🐍
Python编程
熟练掌握Python语言，重点掌握NumPy、Pandas等数据科学生态库的使用。
Python基础 NumPy Pandas Matplotlib
Python官方教程 NumPy入门 实战项目
2

机器学习核心

经典算法与模型评估

⏱️ 3-4个月
进阶级
🤖
监督学习
系统学习回归、分类、SVM、决策树、集成学习等经典算法，掌握scikit-learn工具链。
线性回归 逻辑回归 SVM 随机森林 XGBoost
吴恩达ML课程 Scikit-learn文档 Kaggle入门
进阶级
🎯
无监督学习
学习聚类、降维、异常检测等非监督方法，掌握数据探索和特征工程技巧。
K-Means 层次聚类 PCA t-SNE 异常检测
聚类算法详解 降维技术
进阶级
📏
模型评估与优化
掌握交叉验证、超参数调优、特征工程等实践技能，理解过拟合与正则化。
交叉验证 网格搜索 特征工程 正则化
ML系统设计 调参指南
3

深度学习

神经网络与PyTorch

⏱️ 3-4个月
进阶级
🧠
神经网络基础
理解前馈网络、反向传播、激活函数、优化器等核心概念，动手实现简单神经网络。
感知机 反向传播 激活函数 梯度下降
神经网络入门 反向传播详解
专家级
🔥
PyTorch深度学习
熟练使用PyTorch框架，掌握CNN、RNN、Transformer等主流架构的实现与训练。
PyTorch CNN RNN/LSTM Transformer ResNet
PyTorch官方教程 CNN可视化 Transformer详解
专家级
⚡
训练优化技巧
学习学习率调度、批归一化、残差连接、注意力机制等高级技术。
BatchNorm Dropout 学习率衰减 数据增强
训练技巧大全 调参手册
4

大模型时代

LLM与生成式AI

⏱️ 2-3个月
专家级
💬
大语言模型
深入理解GPT、BERT等大语言模型原理，掌握Prompt Engineering和模型微调技术。
GPT架构 BERT Prompt工程 LoRA微调
LoRA微调指南 Prompt模式 🤗 Transformers
专家级
🎨
生成式AI
探索Diffusion模型、多模态AI、AI Agent等前沿技术，了解RAG和向量数据库。
Diffusion 多模态 RAG Vector DB
扩散模型原理 LangChain入门
5

专业方向

选择你的专精领域

⏱️ 持续学习
🔬
AI研究员
专注于算法创新与理论研究，发表顶会论文，推动AI技术边界。
论文阅读 算法创新 数学证明
⚙️
ML工程师
构建生产级机器学习系统，优化模型性能，解决实际业务问题。
MLOps 模型部署 系统优化
🎭
AI产品经理
结合业务理解与技术能力，规划AI产品方向，推动AI技术落地应用。
产品设计 需求分析 项目管理

📋 学习进度检查清单

完成线性代数基础（矩阵运算、特征分解）
掌握Python编程与NumPy/Pandas
理解概率论与统计学基础
完成监督学习算法学习
实现第一个神经网络
掌握PyTorch框架使用
训练CNN图像分类模型
理解Transformer架构
完成LoRA微调实战
构建一个完整AI项目