AI 岗主流技术栈
下面按岗位通用必备 + 细分方向专精给你整理一套2026 年 AI 岗主流技术栈，从入门到就业全覆盖，不管校招社招都适用。 一、所有 AI 岗通用基础（必学） 1. 数学基础 • 线性代数：矩阵、向量、特征值、SVD、PCA • 概率论与统计：分布、期望、方差、贝叶斯、MLE/MAP • 微积分：梯度、偏导、链式法则、极值 • 最优化：梯度下降、Adam、SGD、LBFGS 2. 编程能力 • Python（主力语言） • 数据结构与算法：链表、树、图、动态规划、复杂度分析 • Linux 基础：命令行、环境部署、远程服务器 3. 机器学习基础 • 经典算法：LR、SVM、决策树、随机森林、GBDT/XGBoost/LightGBM • 模型评估：准确率、召回率、F1、AUC、过拟合 / 正则化 • 特征工程：归一化、编码、特征选择 4. 深度学习框架（至少精通一个） • PyTorch（就业首选） • TensorFlow / Keras • Hugging Face Transformers、Datasets、Accelerate 5. 数据处理工具 • NumPy、Pandas、Matplotlib/Seaborn • SQL（MySQL/PostgreSQL） • 大数据基础：Spark / Hive（加分） 二、大模型 / 生成式 AI 方向（最热门） 核心技术 • Transformer 架构、注意力机制 • 预训练、微调（Full Fine-tune、LoRA、QLoRA） • RAG（检索增强生成） • 提示工程、Agent、Function Calling • 多模态：图文、音视频对齐 工程能力 • 模型部署：TensorRT、ONNX、TorchScript、vLLM、TGI • 分布式训练：DDP、FSDP、DeepSpeed • 模型量化：INT4/INT8、GPTQ、AWQ 常用工具 • LangChain、LlamaIndex • FastAPI / Flask 搭建服务 • Docker、K8s（加分） 三、计算机视觉 CV 方向 • CNN、ResNet、ViT、YOLO、Faster R-CNN • 目标检测、分割、OCR、姿态估计 • 图像增强、GAN、Stable Diffusion、ControlNet • OpenCV、PIL、albumentations 四、自然语言处理 NLP 方向 • 分词、词性标注、NER、文本分类 • Bert、RoBerta、T5、LLaMA、GLM • 文本生成、摘要、翻译、对话系统 • N-gram、TF-IDF、Word2Vec、GloVe 五、推荐算法 / 广告 / 搜索方向 • 协同过滤、深度推荐模型：DeepFM、Wide&Deep、DIN、DSSM • 召回 + 粗排 + 精排 + 重排 • 用户画像、特征工程、A/B 测试 • 实时数据流处理（Flink 加分） 六、AI 工程 / MLOps / 部署岗 • 模型推理优化、服务化封装 • Docker、Kubernetes、云服务（AWS/Azure/ 阿里云） • 模型监控、实验管理：MLflow、Weights & Biases • CUDA、GPU 优化、TensorRT、ONNX Runtime 七、自动驾驶 / 机器人 AI • 点云处理、BEV、多传感器融合 • 轨迹预测、路径规划、控制算法 • Carla 仿真、高精地图 • PyTorch3D、MMDetection3D 八、简历 & 面试高频加分项 • 有项目：LLM 微调、RAG 系统、AI Agent、CV 检测、推荐系统 • 有比赛：Kaggle、天池、ModelScope • 有论文 / 顶会：CVPR/ICML/NeurIPS/ACL • 工程能力强：能训、能调、能部署、能写服务 九、最简学习路线（最快就业） 1. Python + 高数 + 机器学习基础 2. PyTorch + Transformer + 经典模型 3. 大模型微调 + LoRA + RAG 4. 做 1–2 个可展示项目 5. 补部署：FastAPI + Docker + vLLM
查看10道真题和解析