AI大模型学习路线

阶段1 Python编程基础

主要内容	掌握的核心能力
· Python基础语法 · Python数据处理 · 函数 · 文件读写 · 异常处理 · 模块和包	1、掌握Python开发环境基本配置； 2、掌握运算符、表达式、流程控制语句、数组等的使用； 3、掌握字符串的基本操作； 4、初步建立面向对象的编程思维； 5、熟悉异常捕获的基本流程及使用方式； 6、掌握类和对象的基本使用方式。

可解决的现实问题：

熟练掌握人工智能Python语言，建立编程思维以及面向对象程序设计思想，使学员能够熟练使用Python技术完成基础程序编写。

阶段2 Python编程进阶

主要内容	掌握的核心能力
· 面向对象 · 网络编程 · 多任务编程 · 高级语法 · Python编程综合项目 · Python数据结构	1、掌握网络编程技术，能够实现网络通讯； 2、知道通讯协议原理； 3、掌握开发中的多任务编程实现方式； 4、知道多进程多线程的原理。

可解决的现实问题：

熟练使用Python，掌握人工智能开发必备Python高级语法。

阶段3 数据处理与统计分析

主要内容	掌握的核心能力
· Linux · MySQL与SQL · Numpy矩阵运算库 · Pandas数据清洗 · Pandas数据整理 · Pandas数据可视化 · Pandas数据分析项目	1、掌握Linux常用命令，为数据开发后续学习打下的良好基础； 2、掌握MySQL数据库的使用； 3、掌握SQL语法； 4、掌握使用Python操作数据库； 5、掌握Pandas案例； 6、知道会图库使用； 7、掌握Pandas数据ETL； 8、掌握Pandas数据分析项目流程。

可解决的现实问题：

掌握SQL及Pandas完成数据分析与可视化操作。

阶段4 机器学习与多场景案例实战

主要内容	掌握的核心能力
· 机器学习简介 · K近邻算法 · 线性回归 · 逻辑回归 · 决策树 · 聚类算法 · 集成学习 · 机器学习进阶算法 · 用户画像案例 · 电商运营数据建模分析案例	1、掌握机器学习算法基本原理； 2、掌握使用机器学习模型训练的基本流程； 3、掌握Sklearn,Jieba,Gensim等常用机器学习相关开源库的使用； 4、熟练使用机器学习相关算法进行预测分析； 5、掌握数据分析常用思维方法； 6、掌握不同业务场景下的指标体系搭建； 7、熟练使用各种数据分析工具进行数据提取与数据展示； 8、熟练运用常用数据分析模型解决业务问题。

可解决的现实问题：

掌握机器学习基本概念，利用多场景案例强化机器学习建模。

阶段5 数据挖掘综合项目

主要内容	掌握的核心能力
· 金融风控项目业务背景介绍 · 风控建模介绍 · 机器学习评分卡 · 金融风控特征工程 · 不均衡学习和异常检测 · 推荐项目数据采集 · 推荐系统召回业务 · 推荐系统排序业务 · 基于多路召回的实时推荐 · 推荐系统平台调度 · 推荐系统性能评估	1、掌握风控业务场景的常用指标； 2、掌握评分卡的建模流程； 3、掌握评分卡特征工程的常用套路； 4、熟练运用机器学习算法解决风控业务场景下的问题； 5、掌握多行业推荐业务； 6、掌握推荐业务建模流程； 7、掌握召回，排序基础算法； 8、熟练运用机器学习算法解决推荐业务问题； 9、掌握大数据计算框架基本使用。

可解决的现实问题：

1、掌握掌握金融风控或推荐系统项目
2、掌握运用机器学习算法解决实际业务的分类、聚类、回归的问题

阶段6 深度学习与NLP自然语言处理基础

主要内容	掌握的核心能力
· 深度学习基础 · BP神经网络 · 经典神经同络结构（CNN&RNN） · 深度学习多框架对比 · 深度学习正则化和算法优化 · 深度学习Pytorch框架 · NLP任务和开发流程 · 文本预处理 · RNN及变体原理与实战 · Transformer原理与实战 · Attention机制原理与实战 · 传统序列模型 · 迁移学习实战	1、pytorch工具处理神经网络涉及的关键点； 2、掌握神经网络基础知识； 3、掌握反向传播原理； 4、了解深度学习正则化与算法优化； 5、掌握NLP领域前沿的技术解决方案； 6、了解NLP应用场景； 7、掌握NLP相关知识的原理和实现； 8、掌握传统序列模型的基本原理和使用； 9、掌握非序列模型解决文本问题的原理和方案； 10、能够使用pytorch搭建神经网络； 11、构建基本的语言翻译系统模型； 12、构建基本的文本生成系统模型； 13、构建基本的文本分类器模型； 14、使用ID-CNN+CRF进行命名实体识别； 15、使用fasttext进行快速的文本分类；

可解决的现实问题：

掌握深度学习基础及神经网络经典算法；掌握热门的PyTorch技术，完成自然语言处理基础算法，诸如RNN、LSTM、GRU等技术。

阶段7 ChatGPT技术深入浅出

主要内容	掌握的核心能力
· ChatGPT入门 · ChatGPT原理详解 · ChatGPT项目实战 · 基于大型预训练模型搭建聊天机器人 · 聊天机器人和问答系统	1、掌握大规模知识图谱技术与自然语言处理在多领域的应用 2、掌握ChatGPT聊天机器人实战 3、掌握基于大型预训练模型搭建聊天机器人 4、熟悉端到端以及结合知识库的多轮多任务对话系统网络结构

可解决的现实问题：

能够运用ChatGPT模型完成聊天机器人和问答系统的相关功能

阶段8 NLP自然语言处理综合项目

主要内容	掌握的核心能力
· 解决方案列表 · 项目架构及数据采集 · 命名实体识别 · 对话系统 · 项目架构 · 多模型预测 · 模型的迭代优化 · 模型的上线部署与总结 · 智能文本分类 · 模型上线	1、医疗领域NER解决方案； 2、对话主题相关解决方案； 3、微信端服务部署解决方案； 4、对话管理系统与A结合解决方案； 5、抽取式文本摘要解决方案； 6、生成式文本摘要解决方案； 7、自主训练词向量解决方案； 8、解码方案的优化解决方案； 9、数据增强优化解决方案； 10、大规模快速文本分类解决方案； 11、多模型井行预测解决方案； 12、分布式模型训练解决方案； 13、多标签知识图谱构建解决方案。

可解决的现实问题：

1、掌握自然语言处理项目，完成文本摘要或传智大脑项目
2、掌握自然语言处理项目，完成智能文本分类或知识图谱项目
3、掌握运用NLP核心算法解决实际场景关系抽取的问题

阶段9 CV基础

主要内容	掌握的核心能力
· 机器学习核心算法加强 · 深度学习核心算法加强 · 数据结构与算法 · 多行业项目扩展 · 图像与视觉处理介绍 · 目标分类和经典CV网络 · 目标检测和经典CV网络 · 目标分割和经典CV网络	1、机器学习与深度学习核心算法，NLP经典算法，数据结构算法、Djkstra算法，动态规划初步，贪心算法原理，多行业人工智能案例剖析； 2、经典卷积网络：LeNet5、AlexNet、 VGG、 Inception、GoogleNlet、残差网络 深度学习优化;RCNN、FastRCNN;FasterRCNN;SSD、YOLOM、 YOLOV2、 YOLOV。

可解决的现实问题：

1、掌握数据结构与算法，核心机器学习、深度学习面试题，助力高薪就业；
2、掌握计算机视觉基础算法，诸如CNN、残差网络、Yolo及SSD。

阶段10 CV计算机视觉

主要内容	掌握的核心能力
· 解决方案列表 · 项目架构及数据采集 · 人脸检测与跟踪 · 人脸姿态任务 · 人脸多任务 · 系统集成	1、人脸检测与跟踪解决方案； 2、人脸多任务解决方案； 3、人脸识别任务解决方案； 4、系统集成解决方案；

可解决的现实问题：

掌握人脸支付项目或智慧交通项目或实时人脸识别项目。