从入门到进阶，系统梳理成为一名 AI 算法工程师所需掌握的知识、工具、项目、证书与资源，适合高校学生、转行人员和在岗工程师。

一、能力地图：AI 算法 工程师必备技能
1. 基础数学
线性代数（矩阵运算、特征值）
概率论与数理统计（分布、贝叶斯）
微积分（函数极值、导数、梯度）
数值优化（梯度下降、L-BFGS、Adam）
📚 推荐资料：

《统计学习方法》 - 李航
《机器学习》 - 周志华
YouTube：3Blue1Brown 的线性代数动画讲解
2. 编程基础与工具链
Python（核心语言）
Shell 脚本 / Git / Linux 系统操作
IDE：VS Code / PyCharm / JupyterLab
虚拟环境：conda / virtualenv / Docker
3. 机器学习
线性回归 / 决策树 / SVM / KNN / XGBoost
模型训练 / 调参 / 验证集划分
特征工程 / 数据标准化 / 模型评估
🎓 推荐课程：

吴恩达 Machine Learning - Coursera 传送门
Sklearn 官方文档 - https://scikit-learn.org/stable/
4. 深度学习
基础网络：CNN / RNN / DNN
高级模型：Transformer / BERT / YOLO / GAN
框架学习：
PyTorch（推荐）
TensorFlow / Keras
可视化工具：TensorBoard / WandB
💡 推荐资源：

DeepLearning.ai 深度学习五大课程
fast.ai 免费 DL 课程
5. 工程化与部署 
模型压缩：剪枝、量化、蒸馏
模型转换：ONNX、RKNN、TensorRT
设备部署：
云部署：Docker + Flask/FastAPI
边缘端：RK3588、Jetson Nano、NPU 推理

二、项目实战方向（推荐方向）

🎯 实战平台：

• Kaggle
• 阿里天池：https://tianchi.aliyun.com/
• AI Studio（百度）：https://aistudio.baidu.com/

三、认证证书推荐（含链接）

四、学习资源导航

类型                     推荐资源                                            地址
论文 & 代码          Papers with Code                              https://paperswithcode.com
竞赛平台               Kaggle / AI Studio / 天池                   https://www.kaggle.com
学习平台              Coursera / Bilibili / CSDN                  https://www.coursera.org
框架教程              PyTorch Docs / TensorFlow Docs      https://pytorch.org / tensorflow.org
模型下载站点       HuggingFace Model Hub                   https://huggingface.co/models
五、备考建议 & 实践路径
✅ Step 1：打牢数学 + 编程 + ML 基础
✅ Step 2：精通一个主流 DL 框架（建议 PyTorch）
✅ Step 3：完成 3 个以上项目，上传 GitHub
✅ Step 4：报名相关证书认证
✅ Step 5：参与开源项目或投简历入岗实习
————————————————