这破手机屏幕都让我戳出火星子了，刚想躺平刷个剧，又看到群里有人问AI人工智能岗位需要哪些知识？从零构建企业级技能学习路径，我说你们是认真的吗？别一上来就啃西瓜书，我当年就是被这种“完整路径”坑得半年没上岸

（手机又震了，是我妈发来的养生视频，等我回一句“看了”，马上回来）

好了，我说到哪了？对了，你搜AI人工智能岗位需要哪些知识？从零构建企业级技能学习路径会看到一堆人给你列大纲：Python、机器学习、深度学习、NLP、CV...tql，看着跟yyds似的，但实际呢？我带过的二十多个实习生，80%死在了“只会调包，不懂业务”这个坑里

这个错误我犯了三次，每次损失都上万

第一次是2019年，那时候我刚从培训班出来，以为会写几行sklearn就很牛了。进了一家电商公司，领导说“搞个用户画像”，我直接上了个巨复杂的聚类模型，跑了三天三夜，结果业务方说“这什么鬼，我要的是按购买力分层，不是按点击时间”

（说到这个，我想起2019年那个夏天，我租的隔断间没空调，半夜调参到两三点，蚊子比我饭碗还大）

不对，我刚才说错了，不是跑三天三夜，是跑了两天崩了四次，后来才发现是内存泄漏。教训是什么？AI人工智能岗位首先需要的是懂业务逻辑，而不是模型。你连RFM模型都没听过，就上K-means，这不扯淡吗

第二次错得更蠢。2021年做风控项目，我直接照搬了网上的反欺诈pipeline，没考虑我们公司数据量只有别人的1%。结果上线当天，正样本召回率0%，因为我用的阈值是别人论文里的0.2，而我们的分布完全不一样。企业级技能不是会写代码，是知道什么时候该抄，什么时候该改

对了，插个小技巧：你们入门时别死磕《统计学习导论》，先去找个真实的小需求做，比如“预测明天下班时间的地铁拥挤度”。去爬点数据，哪怕是手动记一星期，然后用线性回归跑一下。这个过程中你会遇到：数据脏、特征怎么选、评价指标怎么定、模型怎么部署到微信机器人——这些才是企业真的要看的东西

第二个大坑：把“理论”当“技能”

好多应届生简历上写“熟练使用PyTorch”，我问他多卡训练怎么处理数据并行时的BN统计量偏差，直接就懵了。企业要的是你能把损失函数讲清楚、能定位NaN loss的原因、能判断是不是数据泄露。这些东西你从零构建学习路径时，不踩坑根本学不会

我给我自己徒弟画过一个粗糙的路径，现在给你念一下，不一定全，但够用：

1. 先把Linux命令行和Git玩溜。别笑，我见过入职第一天不会git clone的，当场社死
2. Python别光学语法，要会写可维护的类和异常处理。你写的训练脚本要能挂7x24小时不崩
3. 数据分析能力：pandas、sql必须闭着眼写。然后加一个“数据敏感度”，比如看到用户平均时长突然从10秒变成1秒，能马上反应是埋点错了还是推荐崩了
4. 机器学习只学最常用的6个算法：逻辑回归、树模型、随机森林、XGBoost、LightGBM、MLP。别的等用到再学
5. 深度学习：会搭Conv、Transformer，会调lr和batch size，知道梯度消失长什么样
6. 最关键的一步：部署与监控。会写flask服务，会打docker镜像，会写简单的prometheus告警。这一步95%的自学路径都没有，但企业面试必问

（手机又震了，外卖到了，我去拿一下，别走开）

回来了，刚才说到部署。对了，还有一个小人脉推荐：去github搜“MLOps roadmap”，找那个6.6k星的项目，作者是个在Spotify工作的妹子，她画的图比我看的所有书都有用

再说一个你们肯定要犯的错：模型选型过度

我学员小张，去年做一个商品推荐，非要用BERT精调，说“显得专业”。结果显存炸了，推理一次3秒钟。我让他换成FM因子分解机，效果只掉了3个点，速度快了200倍。企业级技能里，“够用”比“先进”值钱一百倍

所以后来我让他重学，重点不是模型，而是“约束”：算力约束、时间约束、可解释性约束。你问AI人工智能岗位需要哪些知识？从零构建企业级技能学习路径，我说第一个是“边界感”

（不对，我得再说清楚点）

边界感就是：知道什么时候用规则、什么时候用统计、什么时候上深度学习。比如判断用户是不是恶意注册，一条简单的“手机号注册时间<5分钟且ip重复>100次”就比任何模型都好使

环境搭建也是坑中坑

很多人上来就装anaconda，然后conda install卡半天，最后说“我放弃了”。我当年也是，后来痛定思痛，只用pyenv + virtualenv + pip，再配一个requirements.txt。这个技能你花一上午练熟，以后省下100个小时

对了，还有一个工具叫cookiecutter，一键生成项目模板，包含日志、配置、测试。我tmd用了三年才知道，真是蠢哭

最后，别想着“学完再干”。我认识的做的好的AI工程师，没有一个把什么“完整学习路径”走完的。他们都是：接一个任务 -> 遇到具体问题 -> 查资料 -> 解决 -> 记录 -> 下一个任务

好了，你现在就可以做的1件小事：打开你的电脑，创建个新目录，然后运行 git init，再创建一个 requirements.txt，把 numpy、pandas、scikit-learn 写进去。然后 pip install -r requirements.txt。整个流程控制在10分钟以内。完成之后你会觉得自己像个现代工程师了

---

问两个问题吧，虽然我知道你们可能没仔细看我上面叽歪的：

1. 问：“老师，我是不是要先学完吴恩达的课程才能开始做项目？” 答：你先把文章里我讲的那个“预测地铁拥挤度”的小项目做一下，做不出来再回去看课程。我2019年就是先看完了五门课，结果连数据怎么切分都忘了，这不扯吗

2. 问：“我的电脑配置很低，跑不了深度学习怎么办？” 答：我上面白说了啊？先学逻辑回归和XGBoost，这两个CPU就能跑，而且企业里80%的问题都用不到深度学习。你要非跑不可，用Google Colab免费GPU，我徒弟的破i3都跑过

就这，我眼睛都快睁不开了，手机没电了，晚安

尊重原创文章，转载请注明出处与链接:https://www.aixue365.com/school-137/document-id-9000.html，违者必究!