核心基础 - AI 与机器学习技术路线

趋近智

学习路径

大模型与智能体

提示词、RAG 检索增强与智能体工具开发。

AI 基础设施与系统

硬件选型、本地部署与量化加速。

深度学习与 PyTorch

核心神经网络、PyTorch 实战、Transformer 与强化学习。

核心基础

Python、线性代数、微积分与经典机器学习。

全部课程

按前置条件依赖关系排序的完整课程目录。

核心基础

Python、线性代数、微积分与经典机器学习。

Python 编程基础

Python 语法规范、数据结构、面向对象设计与科学计算数值库。

3门课程

1

Python编程入门

2

NumPy 和 Pandas 基本功

3

机器学习应用中级Python编程

机器学习数学基础

线性代数、向量空间、矩阵分解 (SVD/特征值分解) 与多元微积分。

5门课程

1

机器学习微积分入门

2

机器学习线性代数基础

3

机器学习的概率统计要点

4

机器学习微积分要点

5

机器学习线性代数要点

数据清洗与准备

数据清洗流水线、缺失值填补、异常值检测与特征编码工程。

3门课程

1

NumPy 和 Pandas 基本功

2

数据清洗与预处理入门

3

数据概览分析入门

数据科学概率论

经典概率分布、贝叶斯定理、极大似然估计与统计假设检验。

3门课程

1

机器学习的概率统计要点

2

机器学习的概率与统计要点

3

高级贝叶斯机器学习

计算机视觉入门

卷积核算子、图像几何变换、特征空间表示与经典视觉骨干网络。

3门课程

1

Python编程入门

2

计算机视觉导论

3

Keras深度学习要领

全栈 AI 工程师

端到端 AI 应用架构：API 接口设计、后端服务集成与有状态模型交互。

5门课程

1

Python编程入门

2

Scikit-Learn 快速上手

3

使用FastAPI部署机器学习模型

4

Docker与容器化在机器学习项目中的应用

5

Kubernetes 入门教程

完整数据科学路径

探索性数据分析 (EDA)、统计推断建模、特征重要性分析与预测全流程。

5门课程

1

Python编程入门

2

NumPy 和 Pandas 基本功

3

使用 Matplotlib 和 Seaborn 进行数据可视化

4

机器学习入门

5

模型评估与衡量指标要点

应用 NLP

文本分词算法、Word2Vec/GloVe 词嵌入、循环神经网络与自注意力机制。

3门课程

1

自然语言处理基本原理

2

循环神经网络与序列建模

3

Transformer模型入门

AI 产品经理要点

模型规格性能权衡、推理经济学核算、评测指标制定与 AI 产品技术立项。

4门课程

1

大型语言模型入门

2

数据科学导论

3

了解大型语言模型大小与硬件需求

4

模型评估与衡量指标要点

©2025 趋近智 (ApX Machine Learning)

关于趋近智定价联系我们使用条款隐私政策