哈希特·蒂亚吉的 YouTube 频道上的这个路线图开始了这个系列,成为一名 AI 工程师。您可以跟着学习从初级到中级再到高级的所有内容。
在确定 AI 工程师如何成为下一个大型技术角色之后,是时候学习如何成为一名重要角色了。
这篇文章解释了:
- 从软件工程师到人工智能工程师可以遵循的路线图。
- 成为 AI 工程师所需的技能。
- 在培养这些技能时,您应该学习使用的示例工具。
- 培养这些技能的最佳方式。
让我们先揭开路线图的面纱!
成为 AI 工程师🧭的路线图
![](https://i-blog.csdnimg.cn/direct/ef45142760d14de2b4bbb7ea02e7c338.png)
首先是第一件事!
它适用于谁?
计划提高人工智能工程技能的程序员/SDE/分析师/数据科学家。
由于这是一项核心工程技能,因此需要满足以下先决条件:
- 对Python / JS编程有中级理解。
- 理想情况下,您必须具有至少 2-3 个中等复杂应用程序编写的经验,例如使用 Flask 或 Rails 或 Node.js编写的博客 Web 应用程序。
- 您至少可以轻松地阅读要构建的文档。
- 您可以轻松地在 VS Code 等 IDE 中编码。
- 使用 git 和 GitHub 虽然很重要,但在处理项目时可以学习。
分解路线图
我将整个 AI 工程轨道分为 3 个阶段,如图所示,您在此路线图中从左到右,即从初级到中级再到高级。
以下是每个阶段所代表的内容:
- Beginner ( <= 1 个月) — 构建基本应用程序以学习使用 LLM API,为您的应用程序精心设计提示并使用开源 LLM。
- 中级 ( ~ 2 个月) — 使用 Retreival Augmented Generation (RAG) 深入构建更多上下文感知的高级应用程序。了解向量数据库以及如何使用向量数据库。学习使用 LLM 和工具构建代理。
- 高级(~ 3 个月)— 掌握应用程序构建后,学习使用 LLMOps 在生产环境中部署、优化和管理 LLM 驱动的应用程序。了解如何微调预训练模型,以低成本高效地适应下游应用程序。
初级技能如下:
- 了解 LLM 的基础知识——你应该知道 ChatGPT 是如何高层次工作的。
- 学习面向开发人员的提示工程。如何编写提示来改善 LLM 的响应。
- 了解如何使用来自 API 的数据,了解如何使用 JSON 数据。
- 学习调用封闭和开源的 LLM 模型、函数调用、传递提示和解析响应。
- 学习从对话中管理上下文空间。
- 学习创建和自动化一系列操作 — 使用 langchain 的链。
- 使用 Gradio 或 Streamlit 进行 POC 和演示的基本应用程序开发。
- 部署您的应用程序以使其易于访问——在 HuggingFace Space 或 Streamlit 云上进行基本部署。
- 多模态生成 — 使用 HuggingFace 库的代码、图像、音频。
transformer
中级项目需要:
- 了解向量嵌入和向量数据库。
- 了解如何将矢量数据库用于您的应用程序。
- 构建检索增强生成 (RAG) — 与您的知识库聊天。
- 开发高级 RAG 管道,例如子问题查询引擎,该引擎可以在浏览多个数据源后提供响应。
- 构建代理 — 通过迭代工作流来完成一项重大任务。
- 构建多代理应用程序,其中多个代理协同工作以提供更好的解决方案。
- 具有多个代理的自动化 — Autogen 和 Crew AI
- 评估 RAG — RAGAs 框架。
- 管理数据库、检索、部署完整的应用程序、版本控制、日志记录和监控模型行为。
高级项目将需要您:
- 针对特定领域的知识和量身定制的响应(如医学研究、金融研究、法律分析)对预训练的 LLM 进行微调。
- 策展数据集并设计(ETL 流水线)管道以进行模型微调。
- 评估和基准测试模型性能
- LLMOps — 使用模型注册表、可观察性和自动化测试构建完整的 e2e 管道。
- 构建多模态应用程序 — 使用文本和图像进行混合语义搜索
- 构建 SDK、包和自定义解决方案,为其他开发人员提供支持
- 使用提示黑客攻击等技术保护您的 AI 应用程序,并通过检查漏洞和潜在风险来采取防御措施。
以下是在花费足够的时间构建应用和调整模型的情况下,您的技能应该如何提高:
现在,如何培养这些技能?
学习资源、参考资料和项目📚
人工智能充斥着学习资源和教程。
有很多好的资源可以学习所有这些概念,并且有很多好人正在推出关于这些主题中的每一个的非常深入和详细的材料。
需要100G人工智能学习资料+论文指导发刊+kaggle组队+技术答疑的
关助工中浩:AI技术星球 发送:211 领取
最好的学习方式 — BUILD!
我们已经学会了我们应该做什么,让我们谈谈最好的方法。
处理项目
不仅要学习,而且要真正了解这些概念的最佳方式。它将进一步提高思考前沿用例的技能。
准备了三大资源包:100GAI资源包+大模型资料包+论文攻略资源包(需要那个记得说明)
论文指导发刊+kaggle组队+技术问题答疑
关注工重号:AI技术星球 发送211 领qu资料包:1、超细AI学习路线
2、人工智能基础:Python基础、数学基础
3、机器学习:12大经典算法、10大案例实战、推荐系统
4、深度学习:Pytorch+TensorFlow等课程、NLP、神经网络
5、物体检测:YOLO、MASKRCNN
6、计算机视觉:OpenCV、unet等
7、各阶段AI论文攻略合集
8、AI经典书籍及行业报告
可指导区位
SCI一区/CCF A
SCI二区/CCF B
SCI三区/CCF C
SCI四区/EI会议
期刊会议(各大顶会)
CVPR、ICCV、ECCV ICML、NeurIPS ACL、NAACL EMNLP、AAAI COLING 等