做一个有温度和有干货的技术分享作者 —— Qborfy
本文参考 roadmap.sh AI Engineer(AI应用开发工程师)RoadMap整理，如有侵权，请联系删除。
学习一门技能最重要的是目标和路线：
- 有了目标，才能知道自己所学可以用到哪里
- 有了路线，才能知道自己该学什么，怎么学
AI应用开发学习路线图
完整思维导图
- AI应用开发学习路线图
- 是什么
- 角色和工作职责定位
- 专门设计、开发和实施人工智能 (AI) 系统
- 与ML(机器学习)工程师的区别
- 基础概念
- AI与AGI的区别
- LLM大语言模型
- Inference推理能力
- Tanning训练
- Embeddings嵌入转换
- 向量数据库
- Agent人工智能代理
- RAG检索增强生成
- Prompt Engineering提示工程
- 入门
- 了解预训练模型
- 是已在大型数据集上训练过的机器学习 (ML) 模型
- 优势：更快相应速度和更少计算资源
- 劣势：存在训练数据的偏差与训练数据限制
- OpenAI 模型
- GPT 模型：文本生成、对话
- Codex 模型：代码生成
- DALL-E 模型：图像生成
- Whisper 模型：语音生成
- 流行的模型：
- Anthropic Claude模型
- Google Gemini模型
- Hugging Face模型包括 BERT、GPT、T5 和 CLIP 等
- DeepSeek模型
- OpenAI预训练模型 API
- 上下文长度：一次可以处理的输入文本量
- 截止日期：训练数据最后更新时间
- Prompt的编写
- API接口
- OpenAI Chat Completions API接口
- Token规则
- 最大数量
- 计算规则
- 定价规则
- Playground API在线调试
- API微调：OpenAI API支持微调
- 主流开发框架
- Langchain
- LangGraph(Langchain的高级抽象)
- crewai
- Semantic Kernel
- AutoGen
- 进阶
- 开源AI大模型
- 了解
- 开源大模型：源代码和架构公开开放，可供使用、修改和分发的模型
- 2024年最佳开源大模型
- DeepSeek R1或者V3 模型
- Meta Llama模型
- Google Gemma模型
- Hugging Face BLOOM模型
- 阿里 Qwen模型
- xAI Grok模型
- 使用
- Hugging Face平台
- 部署
- Hugging Face平台
- Ollama平台
- AI安全
- 高级
- 其他
简介
参考资料
- 本文作者： Qborfy
- 本文链接： https://www.qborfy.com/ailearn/ai-learn-road1.html
- 版权声明： 本博客所有文章除特别声明外，均采用 MIT 许可协议。转载请注明出处！
