AI-Expert-Roadmap

先解决什么问题

转行 AI 最常见的困境不是“资料不够”，而是资料太多却无法转化为能力。你可能收藏了 100 个教程却从未完整看完任何一个，学了 PyTorch 却说不出损失函数为什么那样设计，数学公式看懂了却写不出一个能跑的模型。技能直指这三个核心问题：

• 资料囤积症：把收藏当学习，横向铺开却无法纵向打通
• 层级断层：能调包但不懂原理，或懂原理但无法落地代码
• 方向迷茫：不知道先学数学还是框架，在 CV/NLP/RL 之间反复横跳

技能如何工作

技能按依赖顺序构建知识地图，每个层级都有明确的验收标准，拒绝模糊的“学完即过关”。

1. 定位当前坐标

通过信号表快速诊断你的状态。例如：

• 能跑模型但不懂损失函数 → 停在 L2 表面，需回 L1 补数学直觉
• 数学看懂但写不出代码 → L0/L2 脱节，用 numpy 手写模型
• 三个方向都想学 → 贪多，需先纵深打穿一个再横向扩展

2. 纵向推进，拒绝横铺

从 L0（基础数学与编程）到 L4（专业方向），每一步强调可展示交付物而非课时完成度。例如：

• L1 阶段交付：用 numpy 实现一个多层感知机
• L2 阶段交付：解释并复现一个经典优化算法
• L3 阶段交付：完成一个端到端的项目并公开代码

3. 卡点自救流程

当学习停滞时，执行四步自救：

1. 降级自测：暂停新资料，用“能否讲清本周概念”检验
2. 提示分层：判断是基础不牢（回 L0-L2）还是方向迷茫（做 L4 聚焦）
3. 重做：删除囤积课程，只保留一门从头到尾走完并交项目
4. 登记：用路线图贴纸标记当前层级，完成一项打勾一项

4. 学习节奏模板

• 在职转行（每天 2h）：L0+L1 并行半年，再推进 L2，新学与复习比例 2:1
• 应届冲刺（每天 6h）：8~12 个月走完 L0-L4
• 铁律：每个 L 必须有可展示交付物，否则不算过关

适用边界

• 路线图是参考而非铁律，需根据个人背景调整节奏
• 不承诺“学完即成专家”，专家能力来自长期项目实践
• 涉及医疗/金融 AI 应用时，需以领域监管和行业口径为准

触发场景

当用户提出以下问题时自动激活：

• “我想转 AI，但不知道先学数学还是先学框架”
• “资料太多，学了这个忘那个怎么办”
• “深度学习之后该专攻 CV 还是 NLP 还是 RL”
• 关键词：AI 学习路线、人工智能怎么学、转行 AI、ML 路线图、深度学习方向、AI 职业规划