Appearance
AI 学习与实践路线
人工智能覆盖数学、数据、算法、工程和产品，学习时容易在术语和工具之间跳跃。更稳定的顺序是先建立全景，再理解模型怎样学习，随后选择一个技术方向完成项目，最后补齐生产工程能力。
第一阶段：建立全局地图
先回答四个问题：
- 人工智能、机器学习、深度学习和大模型是什么关系？
- 预测、识别、生成和行动分别是什么任务？
- 数据、模型、应用和治理各自负责什么？
- 规则、传统模型、大模型和 Agent 如何选择？
阅读：
验收：能够为一个业务需求画出输入、模型、输出、外部数据和验证方式，而不是只说“接入 AI”。
第二阶段：掌握数据和训练原理
重点理解样本、特征、标签、损失、梯度、优化、泛化和评估。数学学习围绕模型计算展开，不必先脱离项目学习所有理论。
阅读：
实践：用一个表格数据集完成分类或回归，建立规则基线、简单模型和评估报告。
验收：能够识别数据泄漏，正确切分数据，根据错误成本选择指标和阈值。
第三阶段：掌握机器学习
学习监督、无监督和强化学习的边界，掌握线性模型、树模型、聚类和集成学习的适用场景。重点是完整项目流程，而不是把算法列表背下来。
阅读：
实践：完成数据分析、特征构建、基线、模型比较、阈值选择和错误样例分析。
验收：能解释为什么选择某种算法，以及复杂模型是否真的优于基线。
第四阶段：掌握深度学习
理解神经网络怎样前向计算，反向传播怎样得到梯度，不同架构怎样利用图片、序列和图数据的结构。
阅读：
实践：使用预训练视觉模型完成迁移学习，保存模型并写独立推理程序。
验收：能够排查输入形状、损失不降、过拟合和训练推理预处理不一致。
第五阶段：选择一个应用方向
根据项目输入选择方向：
| 输入或目标 | 学习方向 |
|---|---|
| 文本理解、抽取、问答 | 自然语言处理 |
| 图片识别、检测、生成 | 计算机视觉 |
| 音频转写和合成 | 语音技术 |
| 用户与内容匹配 | 推荐系统 |
| 未来趋势和异常 | 时间序列 |
| 连续决策和控制 | 强化学习 |
| 图文音视频联合处理 | 多模态 |
这一阶段应完成至少一个包含真实数据、独立测试集和推理入口的项目。
第六阶段：理解大模型
学习 Token、Embedding、Attention、Transformer、预训练、对齐和推理，建立“模型生成概率结果，而不是查询事实数据库”的正确认识。
阅读：
实践：比较不同模型在抽取、总结、问答和代码任务上的质量、延迟和成本，记录失败样例。
验收：能够解释上下文长度、幻觉、Temperature、KV Cache、量化和微调分别影响什么。
第七阶段：构建 AI 应用
从一次模型调用开始，逐步加入结构化输出、RAG、工具调用和 Agent。
推荐顺序：
验收：答案能返回依据，无依据能够拒答；工具权限受服务端控制；写操作需要确认和幂等；多步骤任务有停止条件。
第八阶段：补齐生产工程
阅读：
验收：一次模型、Prompt、索引或工具变更都能自动回归；线上请求可以追踪；系统有灰度、降级、回滚和人工接管机制。
一套 12 周实践安排
| 周次 | 内容 | 交付物 |
|---|---|---|
| 1 | AI 全景、任务与数据 | 一份任务定义和数据说明 |
| 2 | 数学直觉、指标 | 指标计算和错误成本分析 |
| 3-4 | 机器学习项目 | 模型、评估报告、推理脚本 |
| 5-6 | 神经网络和视觉项目 | 训练曲线、模型、错误样例 |
| 7 | Transformer 与大模型 | 模型对比实验 |
| 8-9 | RAG 知识库 | 带来源回答和评估集 |
| 10 | 工具调用与 Agent | 受控工具和状态机 |
| 11 | 部署、监控和成本 | 服务压测和监控面板设计 |
| 12 | 安全与综合验收 | 风险清单、回归和上线方案 |
工具学习顺序
工具服务于原理和项目：
- Python、NumPy、Pandas：数据和数值计算。
- scikit-learn：传统机器学习和评估。
- PyTorch：神经网络训练与推理。
- Hugging Face 生态：预训练模型、数据集和 Tokenizer。
- 向量检索与数据库：RAG 基础设施。
- API 服务、容器和监控：部署与运行。
不需要一开始掌握所有平台。一个工具能够完成当前项目的完整闭环后，再扩展替代方案。
最终能力检查
- 能把业务问题转换成可计算和可评估的任务。
- 能建立简单基线并判断复杂模型是否值得。
- 能完成训练、评估、保存、部署和错误分析。
- 能设计带依据、权限和失败处理的 AI 应用。
- 能估算延迟、吞吐、Token、算力和人工成本。
- 能通过版本、评估、监控和回滚持续维护系统。
这条路线的核心是逐层建立闭环。每一层都完成一个可验证交付物，再进入下一层，知识才会从概念变成可用能力。