AI工程师总结的16步求职学习路线步骤

作为一名AI工程师，你可以按照下面的步骤逐步学习：

1) 从做一个非常基础的项目到高级项目，在实践中学习。一个扎实的作品集项目就足够让你获得录用。

2) 采用自上而下深入法，而不是自下而上法。

举个例子，假设你开始做一个RAG项目，已经实现了检索流水线，这时你会遇到困惑和困难。把问题拆解，深入学习以掌握它。这就是自上而下深入法。

掌握这部分之后，你还要了解它的广度，在检索、检索器的类型、实现位置和权衡取舍周围建立思维图谱。这样你的大脑里就有了关于检索的思维图谱。你不需要一次性掌握所有内容，只需要了解广度即可。

不要直接构建完整项目，然后通过CI-CD流水线推送到GitHub。

部署到任意云基础设施，比如AWS。

你不需要一次性了解全部200个AWS服务，只需要知道常规项目用到的重要服务，比如EC2、SageMaker、Lambda、S3等。

同样把CI-CD流水线扩展到这里。

接下来，把项目中的openai api或任何第三方api移除，替换成任意开源模型，然后检查指标。

指标是区分爱好者和专业工程师的重要因素。要在检索部分、LLM生成、智能体工具、MVP等环节记录指标。

然后用Qlora技术针对你的用例对这个开源模型进行微调。

同样采用自上而下深入法来学习SFT。

之后推送模型并对其进行监控和记录。应用MLOps概念，比如回滚、监控等。

接下来逐步增加负载进行压力测试，并记录指标，比如延迟p95、吞吐量等。

把它发布到X和LinkedIn等社交平台以证明真实性。

你可以自由借助ChatGPT来深入理解所有内容，拆解所有内容来简化理解。

有任何问题请留言。需要1对1付费咨询请私信。

有任何问题请留言。需要1对1付费咨询请私信。