首页
AI学习路线
AI Roadmap / 专家智能成长路线
AI 时代硬核人才学习指南
告别碎片化碎片式自学。我们联合多位前沿算法科学家及大厂落地产品专家，深度归纳出针对多维度研发、落地 and 商业决策的四大模块路径，为您打通完整的核心通关卡片。
经典机器学习与深度学习算法
系统掌握统计学习、经典 ML 算法到深度神经网络的核心原理，能够独立完成从特征工程到模型训练与评估的完整闭环。
1
STAGE 01
Stage 1：数学基础与 Python 科学计算
建立线性代数、概率统计与优化基础
机器学习数学基础
30 小时
掌握线性代数、概率论与最优化基础，能独立推导梯度下降与正则化项，为后续算法学习扫清障碍。
核心知识:
线性代数
概率论
微积分
梯度下降
推荐工具/模型:
Actionable Project / 实战项目
难度: 入门
房价回归预测模型
使用 sklearn 构建线性回归与决策树模型，完成特征工程、交叉验证与模型评估。
2
STAGE 02
Stage 2：经典机器学习算法与模型评估
掌握 sklearn 全家桶与端到端建模流程
监督学习与集成方法
40 小时
系统学习决策树、随机森林、XGBoost、SVM 与 KNN 等经典算法及其适用场景，理解偏差-方差权衡。
核心知识:
决策树
随机森林
XGBoost
SVM
推荐工具/模型:
Actionable Project / 实战项目
难度: 进阶
用户流失预警系统
基于集成学习构建用户流失二分类预警系统，输出特征重要性报告与可解释性分析。
无监督学习与特征工程
25 小时
掌握 PCA、聚类（K-Means/DBSCAN）、特征选择与降维技术，理解它们在真实业务中的落地方式。
核心知识:
PCA
K-Means
DBSCAN
特征选择
推荐工具/模型:
Actionable Project / 实战项目
难度: 进阶
客户智能分群平台
对零售客户行为数据进行特征工程与聚类分群，辅助运营制定差异化营销策略。
3
STAGE 03
Stage 3：深度学习与神经网络实战
从 MLP 到 CNN/Transformer 的进阶之路
深度学习基础与神经网络
45 小时
从感知机到多层神经网络，掌握反向传播、激活函数、正则化与优化器原理，并使用 PyTorch 构建模型。
核心知识:
反向传播
激活函数
优化器
PyTorch
推荐工具/模型:
Actionable Project / 实战项目
难度: 硬核
手写数字识别器
使用 PyTorch 从零构建并训练 CNN 模型，在 MNIST 数据集上达到 99% 以上准确率。
CNN 与 Transformer 架构
40 小时
深入卷积神经网络与注意力机制，理解 ResNet、ViT 等经典架构，并能迁移到图像/文本任务。
核心知识:
卷积神经网络
注意力机制
ResNet
ViT
推荐工具/模型:
Actionable Project / 实战项目
难度: 大师
图像分类与迁移学习工作台
基于预训练 ViT 模型进行迁移学习，构建可复用的图像分类推理服务。
Active Track Progress
当前路线学习进度
通关比例
0%
总知识节点: 5
已掌握: 0
Growth Tips
如何高效通关？
- 最少必要知识法：先将 Stage 1 标记为已掌握，然后立即开展 Stage 1 的实战项目。实践才是最快的学习。
- 交叉查阅：路线推荐的相关工具和模型已经完美收录。随时点击工具和模型名称，可秒级查阅它们的评测与实操细节。
- 学徒工作：每一个 Actionable Project 都是业界真实生产环境的黄金提效原型，支持作为毕业设计的绝佳素材。