← 返回首页

🤖

AI 与机器学习

AI & Machine Learning

人工智能与机器学习的理论与实践

机器学习

机器学习是人工智能的核心，通过数据训练模型来进行预测和决策。

什么是机器学习✦监督学习算法详解模型评估与调参特征工程无监督学习完整 ML 项目实战损失函数与优化算法（面试核心）集成学习：Bagging、Boosting 与 Stacking

关联：🐍 Python🧬 深度学习🌳 数据结构

深度学习

深度学习使用深层神经网络，在图像、语音、自然语言等领域取得突破性进展。

神经网络从零理解✦CNN 卷积神经网络RNN、LSTM 与序列模型Transformer 与大模型LLM 应用开发反向传播与 Autograd（深度学习的引擎）正则化与归一化（防过拟合的全套武器）LLM 内部机制：从预训练到 RLHF

关联：🧮 机器学习🐍 Python📝 自然语言处理👁️ 计算机视觉

自然语言处理

自然语言处理让计算机理解和生成人类语言——搜索引擎、翻译、对话AI 的核心技术。

文本处理基础NLP 核心任务与预训练模型Tokenization 深入：从 BPE 到 SentencePieceEmbedding 深入：从 word2vec 到现代检索Prompt 工程：从经验到方法论NLP 评测：BLEU、ROUGE、人工与 LLM-as-Judge

关联：🧬 深度学习🐍 Python

计算机视觉

计算机视觉让机器"看懂"图像和视频——自动驾驶、人脸识别、医学影像的核心技术。

图像处理基础目标检测与分割CNN 经典架构演进（面试必考）多模态：CLIP、Stable Diffusion 与 VLMCV 模型部署与优化

关联：🧬 深度学习🐍 Python

AI Agent

LLM 驱动的自主代理：从 ReAct/工具调用到多智能体编排，覆盖从 0 到生产落地的完整工程实践。

术语速查 + 学前地图（先读这篇）什么是 AI Agent：从 LLM 到自主智能体LLM 基础与提示工程（Agent 工程师必备）ReAct 模式：思考-行动-观察循环工具调用（Function Calling / Tool Use）记忆系统：短期、长期、向量检索RAG：把私有知识接入 AgentSemantic Kernel 深入（C#/.NET Agent 主力栈）知识图谱 + RAG：构建全链路检索多智能体编排：Supervisor、Swarm、A2A案例剖析：智能 Incident Triage 多 Agent 系统SWE Agent / 自主 AI Worker 模式主流框架对比：LangGraph / AutoGen / CrewAI / OpenAI Agents SDK评测：Agent 怎么测才靠谱生产落地：可观测、成本、安全、容灾垂直 Agent 实战：客服、Coding、数据分析、Browser Use岗位准备：面试题、项目展示、简历包装🎯 面试速查表：30 道核心题精答MCP 协议：让工具、Agent、模型可插拔AI 安全与对齐：Prompt Injection、Jailbreak 与 Guardrails

关联：🧬 深度学习📝 自然语言处理🐍 Python🔗 微服务架构