AI学习路线及建议

1.python快速入门（边用边学，建议3天）

2.人工智能必备数学的基础（边用边学，建议3天）

3.机器学习（找工作面试考点，临面试前晚一点刷）

数据分析：短期找工作

ML/DM

搞论文：

1.深度学习必备核心算法（刷两遍70%，剩下的结合代码进行完善，NN、CNN、Transformer）
2.学习深度学习框架pytorch（熟悉怎么用包，流程怎么套，放慢、细学、看懂）
优先：CV（做一件小事，给出解决方案，结合对业务理解，选择数据）
     公开：1区
     自己：3区、EI
其次：NLP(算力：导师有集群，导师有实力)
	          自监督
			  对比学习
3.openCV（3天，调包）
4.物体检测：YOLO简单了解
		   detr
		   Deformable DETR
		   V7源码细看（debug）
5.分割：Mask2former：就业需要了解
6.-MMLAB：做对比实验（搞论文）
7.项目实战：场景往大了写（论文：问题不足，缺点。给出方案）
8.Transformer：
9.图神经网络（先结合数据）
10.了解3D点云、无人驾驶（门槛高，不建议选择）
11.对比学习与多模态（有数据，算力决定能不能做，公开数据集能发顶刊，自己数据集发一般刊物）
12.缺陷检测：不重要
13.行人重识别：了解
14.GNN对抗生成：了解
15.RL学习（了解，落地难）
16.面向医学（了解）
17.CV与NLP（拓展视野，方向火）
18.AIOT物联网