简介
这是Python 人工智能 + NLP 全体系学习目录，100% 对标 Boss 直聘 AI 工程师 / NLP 工程师 / 大模型应用工程师 企业招聘标准，无废话、全求职向，可直接当作学习大纲，补充企业高频加分知识点，覆盖2026年最新求职需求。
面向人群
- 小白选手(大学生,跨行业产品经理，项目经理，家庭主妇)，想要入行AI开发
- 有编程经验的程序员，转行或者拓宽AI技术栈
- 已经从事了部分AI开发的人群，扩充技术栈
- 具备传统工程化的C++程序员, Rust程序员，集成AI框架
第一阶段：Python 编程与工程基础（求职门槛）
Python 核心语法
变量、数据类型、条件、循环、函数
面向对象、异常处理、文件 IO
虚拟环境、包管理、模块导入
数据结构与算法（面试必考）
列表、栈、队列、字典、哈希
排序、查找、复杂度分析
必备工程工具
Git & GitHub
Linux 常用命令
Jupyter、VS Code
Docker 基础
第二阶段：AI 数学与数据科学基础（AI 底座）
数学核心（够用版）
线性代数：矩阵、向量、维度
概率统计：分布、期望、方差、相关性
微积分：梯度、导数、优化基础
数据处理三剑客
NumPy 数值计算
Pandas 数据清洗、分析
Matplotlib/Seaborn 可视化
机器学习核心
- 数据集划分、过拟合、正则化
- 分类、回归、聚类、降维
- 经典算法：线性/逻辑回归、决策树、随机森林、XGBoost
- 模型评估：准确率、召回率、F1、AUC、交叉验证
数据工程基础（补充）
数据清洗、去重、质量过滤
数据脱敏、隐私保护（差分隐私等）
第三阶段：深度学习基础（AI 核心）
神经网络原理
感知机、激活函数、损失函数、优化器
前向传播、反向传播
深度学习框架
PyTorch（企业主流）
TensorFlow / Keras
经典网络结构
CNN 图像基础（为多模态铺垫）
RNN/LSTM/GRU 序列模型
Transformer 全解（Attention 机制）
第四阶段：NLP 自然语言处理（核心专项）
NLP 基础与传统方法
文本预处理：分词、去停用词、文本清洗
文本表示：One-hot、TF-IDF、Word2Vec、GloVe
文本分类、情感分析、关键词提取、文本相似度
深度学习 NLP
LSTM/GRU 文本建模
Transformer 与 Attention
BERT 系列模型原理与实战
任务：NER、意图识别、关系抽取、文本摘要
NLP 工具库
Jieba、SnowNLP、NLTK
HuggingFace Transformers、Datasets
多模态基础（补充，2026 NLP岗默认要求）
- 多模态基础：图文对齐、CLIP、BLIP
- 音视频转文本（Whisper、ASR）+ TTS
第五阶段：大模型 AIGC 与企业级 NLP（2026 最值钱）
大语言模型 LLM 基础
提示词工程 Prompt Engineering
RAG 检索增强生成（企业 90% 项目）
- 文档切分、向量化
- 向量数据库：FAISS、Chroma、Milvus
- 知识库问答、文档解析
- 知识库工程进阶（补充）：混合检索（稀疏检索BM25+稠密检索）、重排模型（Reranker）训练与使用、复杂文档（PDF/表格/长文档）处理、RAG评估（召回率、精确率、MRR、HitRate）
大模型微调
LoRA/QLoRA 轻量化微调
指令微调、对话微调
指令数据构造（补充，Self-Instruct、Evol-Instruct）、数据蒸馏、synthetic data生成
大模型部署
FastAPI 接口封装
流式输出、本地部署
vLLM 推理加速
模型推理与性能优化（补充，高薪必备）：模型量化（INT4/INT8/AWQ/GPTQ）、推理加速（vLLM、TGI、TensorRT-LLM）、显存优化、分布式推理、高并发、缓存策略
大模型安全与对齐（补充，大厂必问）
幻觉检测与抑制
安全对齐、RLHF/RLAIF/DPO
红队测试、prompt注入防御
内容合规、敏感词过滤、偏见控制
Agent 智能体（补充，2026最火方向）
Agent框架：LangChain、LlamaIndex、AutoGPT
工具调用、Function Calling
规划、反思、记忆机制
多Agent协作、工作流
多模态进阶（补充）
多模态RAG（文档OCR+表格+图片理解）
多模态对话、图文生成
第六阶段：AI 工程化与上线（企业刚需能力）
模型封装：Flask / FastAPI
容器化：Docker
服务部署：Linux、Nginx、后台运行
日志、配置、接口文档、压力测试
MLOps / LLMOps（补充，大厂标配）
模型版本管理、实验跟踪（MLflow、Weights & Biases）
监控：延迟、吞吐量、幻觉率、用户满意度
模型持续迭代、冷启动、A/B测试
成本监控与资源调度
第七阶段：求职实战项目（可直接写进 Boss 简历）
电商评论情感分析系统
基于 BERT 的简历信息抽取（NER）
智能客服意图识别与多轮对话
企业知识库 RAG 问答系统（融入混合检索、重排优化）
本地大模型 API 服务部署（融入量化、推理加速）
文本摘要 + 内容生成助手
多模态图文问答系统（补充，贴合2026趋势）
Agent 智能任务执行系统（补充，提升简历竞争力）
行业垂直项目（补充，简历差异化关键，任选1-2个）
金融：研报分析、风控对话、合规审查系统
法律：法条检索、合同审查、法律问答工具
医疗：医学NLP、病历结构化系统
教育：题库生成、智能批改工具
政企：公文处理、内部知识库、政务问答系统
第八阶段：面试冲刺（企业标准）
Python 面试题
机器学习 & 深度学习面试题
NLP 原理 & 项目面试题
大模型 RAG 实战问答
手撕代码、项目讲解、简历优化
补充高频面试点（贴合补充知识点）
大模型安全与对齐面试题（幻觉、RLHF、prompt注入防御）
模型推理优化、部署面试题（量化、vLLM、并发处理）
Agent、多模态相关面试题
MLOps/LLMOps 核心考点
行业垂直领域项目讲解技巧
补充说明：本大纲已整合2026年企业AI/NLP岗位高频考点和加分方向，既保留原有的求职核心链路，又补充了大厂必问、高薪必备的知识点，可直接作为学习计划、简历项目参考，也可根据自身求职方向（如大模型应用、NLP工程、多模态）侧重学习对应模块。