最近有些刚入门的同学问学长，发现算法学了又忘，那么多算法到底该怎么学

现在的算法确实太多了，机器学习算法还算比较少，到深度学习分计算机视觉，自然语言处理，大模型，推荐系统等各个方向，不同方向都有一些经典的算法，如果想要什么都学会那是不可能的

下面学长讲一下学习算法的路径，如果你想要走算法工程师或者数据挖掘，机器学习工程师又或者AI工程师，大模型，自然语言处理这条路，那完成可以照着学：

一、先学python和机器学习

python是编程语言，是算法实现的基础，现在学长用的比较多的也是python，熟能生巧，用多就好了，把python的几个数据分析库学会numpy，pandas，matplotlib, scipy和seaborn。Python学习推荐下图的视频，某站热度很高

机器学习部分学习逻辑回归，支持向量机，随机森林，线性回归，xgboost，GBDT，决策树，HMM，朴素贝叶斯差不多就可以了。这一部分尽量做一些项目来提升自己的代码能力和项目思维✅

二、其次学pytorch和深度学习入门

pytorch教程大家可以去b站看刘二大人和小土堆的教程，看完你真的会发现pytorch框架真的不难，深度学习入门学长看的是李沐的动手学深度学习，把CNN，RNN，GNN，LSTM，GRU，GAN都学一遍，这样子就算是深度学习入门了，这些算法是基础，以后学习各个方向都🈶可能用到。李沐老师的课可能会有点难懂，可以结合李宏毅老师的来看，看个两遍有种豁然开朗的感觉

三、然后学自己感兴趣的方向

当做由于研究生阶段用的图神经网络和时间序列类模型比较多，所以学习了GCN，ConvGRU，ConvLSTM，Transformer，注意力机制, GAT。在学习Transformer的时候发现很多教程都没有讲透，这里建议Dasou➕李沐➕教AI的陶老师➕王树森，这几个博主的视频看完之后感觉对Transformer以及Bert都有了比较深的理解

现在主要是关注自然语言处理和大模型方向了，所以jieba分词，word2vec，n-gram等算法也学习了，注意力机制的MHA，MQA和GQA是面试中的常见考点，LlaMA系列论文和MOE论文，分布式训练的Deepspeed和Megatron，监督微调里面的Lora微调和promting等，VLLM推理框架，Rag检索增强，强化学习的算法，比如PPO，RLHF, DPO, GRPO等还是要会的。大家还是要知道自己想要做什么，真的建议去深挖一个方向，而不是蜻蜓点水✅这一块推荐的博主比如李沐，同济子豪兄，五道口纳什，想要深度解析论文，非常推荐李沐老师的讲解，很有深度

大模型现在蓬勃发展，相关的算法层出不穷，学会一些基本的知识之后，还是建议去看论文，针对某个方向去深入学习，这样子才不会浅尝辄止

可能还有一些来不及介绍，但学完上面的内容，完全可以找到一个AI工程师的实习或者工作，可以在工作中去体验和加强自己的学习

四、如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】