如果你想要走算法工程师或者数据挖掘，机器学习工程师又或者AI工程师，大模型，自然语言处理这条路，那完全可以照着学：1️⃣. 先学python和机器学习python是编程语言，是算法实现的基础，现在学长用的比较多的也是python，熟能生巧，用多就好了，把python的几个数据分析库学会numpy，pandas，matplotlib, scipy和seaborn。机器学习部分学习逻辑回归，支持向量机，随机森林，线性回归，xgboost，GBDT，决策树，HMM，朴素贝叶斯差不多就可以了。这一部分尽量做一些项目来提升自己的代码能力和项目思维✅2️⃣. 其次学pytorch和深度学习入门pytorch教程大家可以去b站看刘二大人和小土堆的教程，看完你真的会发现pytorch框架真的不难，深度学习入门学长看的是李沐的动手学深度学习，把CNN，RNN，GNN，LSTM，GRU，GAN都学一遍，这样子就算是深度学习入门了，这些算法是基础，以后学习各个方向都🈶可能用到。李沐老师的课可能会有点难懂，可以结合李宏毅老师的来看，看个两遍有种豁然开朗的感觉3️⃣. 然后学自己感兴趣的方向当做由于研究生阶段用的图神经网络和时间序列类模型比较多，所以学习了GCN，ConvGRU，ConvLSTM，Transformer，注意力机制, GAT。在学习Transformer的时候发现很多教程都没有讲透，这里建议Dasou➕李沐➕教AI的陶老师➕王树森，这几个博主的视频看完之后感觉对Transformer以及Bert都有了比较深的理解。学长后期主要是关注自然语言处理和大模型方向了，所以word2vec，n-gram等算法也学习了，llm算法部分的内容也很多，也一直在学习，但感觉这一块还不太熟悉就不给大家介绍了，现在的多模态大模型也很火，这些都值得去研究。大家还是要知道自己想要做什么，真的建议去深挖一个方向，而不是蜻蜓点水✅可能还有一些来不及介绍，但学完上面的内容，完全可以找到一个AI工程师的实习，可以在工作中去体验和加强自己的学习