2026 AI 工程师路线图,先列了编程基础清单
2026 年 AI 工程师学习路线图
① 编程基础
- Python
- 数据结构与算法
- 面向对象编程
- 函数式编程
- 类型提示
- 异步编程
- Git 与 GitHub
- Linux 基础
- SQL
② AI 数学基础
- 线性代数
- 微积分
- 概率论
- 统计学
- 离散数学
- 最优化
- 梯度下降
- 矩阵运算
- 数值计算
③ 数据工程基础
- 数据采集
- 数据清洗
- 数据预处理
- 特征工程
- 探索性数据分析
- 数据转换
- SQL 与 NoSQL 数据库
- 数据管道
- Apache Spark
- 数据版本管理
④ 机器学习
- 监督学习
- 无监督学习
- 强化学习
- 回归
- 分类
- 聚类
- 决策树
- 随机森林
- 支持向量机
- XGBoost
- 模型评估
- 交叉验证
- 超参数调优
⑤ 深度学习
- 神经网络
- 感知机
- 反向传播
- 激活函数
- 损失函数
- 优化器
- CNN
- RNN
- LSTM
- Transformer
- 迁移学习
- PyTorch
- TensorFlow
⑥ 自然语言处理(NLP)
- 文本预处理
- 分词
- 词嵌入
- TF-IDF
- Word2Vec
- 命名实体识别
- 情感分析
- 语言建模
- 注意力机制
- Transformer 架构
- Hugging Face
⑦ 大语言模型(LLM)
- LLM 基础
- Transformer 架构
- 分词
- 提示词工程
- 上下文窗口
- 嵌入
- 微调
- LoRA 与 QLoRA
- 量化
- 模型评估
- 开源 LLM
- 模型推理
- LLM API
⑧ 检索增强生成(RAG)
- RAG 架构
- 文档接入
- 文本分块
- 嵌入模型
- 向量数据库
- 语义搜索
- 混合搜索
- 重排序
- 查询转换
- 上下文检索
- 高级 RAG
- RAG 评估
⑨ AI 智能体与智能体系统
- AI 智能体基础
- 工具调用
- 函数调用
- 规划与推理
- 记忆管理
- 多智能体系统
- 智能体编排
- 工作流自动化
- MCP
- LangGraph
- CrewAI
- AutoGen
- 智能体评估
- 人在回路
⑩ AI 框架与生态
- PyTorch
- TensorFlow
- Hugging Face
- LangChain
- LangGraph
- LlamaIndex
- OpenAI API
- Anthropic API
- Google Gemini API
- Ollama
- vLLM
- MLflow
⑪ AI 系统设计
- AI 架构
- 模型服务
- 推理优化
- 分布式计算
- GPU 加速
- 缓存
- 负载均衡
- 模型路由
- 流式响应
- 微服务
- 事件驱动架构
- 可扩展 AI 管道
⑫ MLOps 与 LLMOps
- 实验跟踪
- 模型版本管理
- 数据版本管理
- 模型部署
- 机器学习 CI/CD
- 模型监控
- 数据漂移检测
- 模型漂移检测
- 自动重训练
- LLM 可观测性
- 评估管道
- MLflow
- Kubeflow
- Weights & Biases
⑬ AI 基础设施与云
- Linux
- Docker
- Kubernetes
- NVIDIA CUDA
- GPU 计算
- AWS
- Google Cloud
- Microsoft Azure
- 无服务器 AI
- 向量数据库
- Redis
- PostgreSQL
- 云部署
⑭ AI 安全与负责任的 AI
- AI 安全
- 负责任的 AI
- 偏见与公平性
- 可解释 AI
- 数据隐私
- 提示词注入
- 越狱防护
- 数据泄露防护
- 对抗攻击
- 护栏
- AI 治理
- 模型安全
⑮ 构建真实 AI 项目
- AI 聊天机器人
- 文档问答系统
- RAG 搜索引擎
- AI 研究助手
- AI 编程助手
- 多智能体研究系统
- 推荐引擎
- 图像分类系统
- 语音转文字应用
- AI 客服智能体
- AI SaaS 平台
- 生产级 AI 工作流自动化
⑯ AI 工程师职业方向
- 机器学习工程师
- 深度学习工程师
- LLM 工程师
- AI 基础设施工程师
- 生成式 AI 工程师
- RAG 工程师
- AI 智能体工程师
- MLOps 工程师
- 应用 AI 工程师
- AI 研究工程师
保存这份路线图。动手做项目。成为一名 AI 工程师。
本文由 AI 翻译自英文原帖,技术名词保留英文。
查看 X 原帖