定位和学习范围

访问量 358 发表于 2024-03-23 更新于 2024-04-02 阅读时长: 9~12 分钟

底层及模型研究

本章节面向的是专注于人工智能（AI）底层基础设施的研究人员与开发人员。探讨的内容将深入到学科基础、计算机科学原理，包括但不限于机器学习、神经网络、自然语言处理（NLP）、视觉音频处理以及算法设计等关键领域。此外，还将涉及到人工智能系统工程的实践应用。

学科基础

  • 数学基础：如线性代数、概率论与统计、优化理论等。

  • 计算机科学基础：数据结构、操作系统、编程语言等。

技术领域

  • 机器学习：涵盖监督学习、非监督学习、强化学习等方法及其应用场景。

  • 神经网络：探索深度学习中的各种网络架构，如卷积神经网络（CNN）、循环神经网络（RNN）及其变体。

  • 自然语言处理：从文本预处理到高级语义理解的技术进展。

  • 视觉音频处理：图像识别、视频分析、语音识别等领域的发展动态。

  • 算法：高效算法的设计与实现，特别是针对大规模数据集的快速处理技术。

系统工程

  • AI系统的构建、部署与维护。

  • 数据管理与隐私保护。

  • 性能评估与优化。 本章节内容较为复杂，适合有一定技术背景的读者深入了解AI领域的前沿问题和技术挑战。
    人工智能基础学习路径

生态应用开发

人工智能的概念认知、基础底层能力的认知、大模型的使用和微调、各大模型开放平台的能力及使用方法，结合业务案例分析，适合产品经理、应用开发人员以及想利用AI创业人员的阅读内容指导。

开发人员

LLM科学家：

  • LLM架构、构建指令数据集、预训练模型、监督微调、根据人类反馈强化学习、模型评估、模型量化、大模型发展的新趋势 LLM工程师：

  • 运行大模型（开源大模型、提示词工程、结构化输出等）、创建向量数据库（文档分隔、嵌入模型、向量数据库等）、RAG检索增强生成、进阶RAG、推理优化、部署大模型、增强大模型的安全性。 https://github.com/mlabonne/llm-course

产品经理

人工智能的概念认知、大模型开放平台的功能使用介绍；AIGC的各种工作使用说明，文生图、文生音频、文生视频，提示词工程知识；AI工具结合用于文案编写、图册设计、PPT制作、方案策划、报告编写、视频制作等实用技能。

自媒体

文秘

营销

电商

影视 …

其他行业

人工智能的概念认知、人工智能发展，各行业人工智能利用现状，人工智能新闻资讯、以及对社会经济各方面影响，法律法规，媒体新闻… 媒体 法津 硬件