- 博客(25)
- 收藏
- 关注
RSS订阅原创 零基础入门：机器学习与深度学习的区别是什么？如何选择研究方向？
这些年，我专注AI转行求职辅导，带过上千名零基础学员从非科班背景转入AI领域，从销售、文员、教师到财务，他们中很多人一开始对机器学习和深度学习一头雾水，但通过精准方向选择和求职指导，几个月就拿到了算法助理、数据工程师或ML工程师的offer。举例，我一个文员背景学员，先学ML，2个月做分类项目，面试时讲“怎么用决策树处理数据不均衡”，轻松过关。- 学员案例：原程序员学员，有ML基，转DL，5个月做生成AI项目，入职腾讯香港分部，年薪HKD 55k。他说：“先ML稳，再DL冲，offer来得快。
2026-04-13 17:05:31
61
原创 CV算法模型大百科：13类架构、85个变体全收录
做CV的同学都清楚，获取大量带标注的数据成本很高。为了解决这个问题，研究者没少想办法：利用无标注数据、网络图文数据或多模态数据，通过对比学习、掩码重建等技术预训练视觉基础模型，再迁移到检测、分割等下游任务。过去一年，随着大语言模型和多模态技术的火热，CV领域也涌现出大批新型基础模型。目前已发布的视觉基础模型数量已经相当可观，对于视觉研究者而言，这些模型具有极高的研究价值。本文分享一篇最新综述，帮助大家系统了解这个领域。
2026-04-13 17:05:14
94
原创 算法面试通关秘籍：30场CV面试总结的深度学习要点
大家好，我是资深AI讲师与学习规划师。专注计算机视觉教学与算法研发，过去三年我帮超过2500名有Python 基础的入门者，从"像素是什么"到"独立跑通CV项目"。今天这篇长文，完全按零基础实战体系撰写，从图像本质到经典算法、再到OpenCV工具链和完整项目，一条龙给你讲透可直接复现的CV专业指南。适合人群：大学生、转行者、开发者，只要会Python基础，就能跟上。读完你就能掌握图像处理4大经典算法，并拥有一个可直接写进简历的实战项目，
2026-04-13 17:04:07
259
原创 新手小白学习人工智能，推荐哪些入门书籍和课程？看这一篇就够了
标签：#人工智能、#深度学习、#自然语言处理、#神经网络、#机器学习、#计算机视觉、#ai。
2026-04-13 17:01:38
565
原创 双非硕上岸AI算法岗：项目、刷题、面试全攻略
我就是双非野鸡二本经济学转Agent的，结果把 Agent 这条路跑通之后，简历项目亮点直接写满，后面成功拿到offer30kLLM工作最近还发了2w多的年终奖，舒坦！简单说就是你拿到offer后能不能快速上手干活儿做项目，至于学历背景，本科以上基本满足大部分公司的绝大部分职业方向门槛了。下面我直接把我当时走通的路线讲明白，你照这个节奏去做，基本不会偏。后面一个偶然的机会我去听了一个腾讯、字节等大厂高p联合研发的LLM应用开发公开课，才发现Agent开发学习路线原来这么清晰！
2026-04-13 16:59:33
207
原创 为什么AI Agent开发这么赚钱：市场需求分析
那具体该怎么干呢？不是画大饼，现在市场就是这个价格，好的ai agent开发公司都是抢着要的，由于懂这个的人太少了，而想用这个技术的公司又太多了。我们公司就有一个二本毕业的同学，由于技术牛又懂业务，现在一个月四万多，去年年终奖就几十万。再往上走，如果你能成为公司的技术大拿，负责设计整个公司的AI平台，那你一年的收入就是百万甚至两百万起步了。
2026-04-13 16:57:27
243
原创 CV面试硬核题库：从优化算法到网络架构全覆盖
【核心要点】params_grad = evaluate_gradient(loss_function, data, params) params = params - learning_rate * params_grad优点：（1）一次迭代是对所有样本进行计算，此时利用矩阵进行操作，实现了并行。（2）由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。当目标函数为凸函数时，BGD一定能够得到全局最优。缺点：（1）当样本数目 m 很大时，每迭代一步都需要对所有样本计算，训练
2026-04-13 16:55:23
245
原创 Agent开发入门：从ReAct模式到完整实现
适合需要工具辅助的任务(查资料、跑数据库、复杂计算等；优点是推理轨迹清晰，便于追溯；缺点是推理链过长可能导致延迟上升，需限制循环步数。最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的LLM，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？与其在传统行业里停滞不前，不如尝试一下新兴行业，而AILLM恰恰是这两年的大风口，整体AI领域预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！
2026-04-13 16:53:53
285
原创 AI Agent简历项目包装：如何让Demo看起来高大上
这些实际上更像工程问题，公司愿意给30k月薪的原因就在这里，Agent开发不是玩具技术人，是能把玩具变成生产力的人。这环节最直接有效的方法就是跟着项目完整走一遍，如果你无从下手，趁着有大佬带队，你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的，技术大佬带你手搓企业级项目全流程，手把手带你做出一个能用的Agent系统，简历项目经验就有了。
2026-04-13 16:52:22
345
原创 AI Agent岗位面试通过率有多低：真实数据
你要做的就是能成为那个能干活的人。【请牢记】“钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。【请牢记】不用太纠结学历，AI Agent是最近一两年才火起来的，是一个全新的领域，能有落地项目阅历的同学少之又少么，基本都靠自学。因此相比学历，求职面试官更关心你的实战阅历。【请牢记】
2026-04-13 16:50:52
267
原创 领域大模型训练实践：Training Recipe与数据飞轮体系
这样更可靠、更容易解析。语料切分：项目中的关系抽取任务是句子级关系抽取，传统的句子级关系抽取数据集每条样本的句子长度是几十个Token。我在项目中使用的自建数据集，质量一般，实体关系密度较低，如果按照传统句子级关系抽取的窗口来切分语料，会导致关系样本量不足。计算方法：首先利用 Embedding 模型（如 BGE 或 OpenAI-text-embedding）对某个关系类别下的所有样本句子进行向量化，然后对这些高维向量求均值（Mean Pooling），得到该类别的“质心向量”来代表这个关系的原型。
2026-04-07 14:10:10
33
原创 领域大模型训练实践：Training Recipe与数据策略解析
体验是技术含量很高进步很大，虽然业务核心代码没啥注释，但用的都是比较先进的工程框架，靠着GPT老师一个个接口学，硬啃学会了分布式训练框架、推理框架，各种类型的微调……选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:10:07
27
原创 领域大模型训练实践深度解析：Training Recipe与数据飞轮体系
从2024年底DeepSeek"诺曼底登陆"以来，2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后，T+1时刻有更优的通用模型公布，在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后，理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化，我都能在短时间内基于通用SOTA模型，重新走一遍training recipe，达到更优水平。
2026-04-07 14:10:03
51
原创 领域大模型训练实践：Training Recipe与数据策略深度解析
从2024年底DeepSeek引发变革以来，2025年模型迭代速度远超以往。做领域大模型的本质是产出一套稳健的Training Recipe，不管通用SOTA如何变化，都能快速达到更优水平。
2026-04-07 14:10:00
53
原创 领域大模型怎么做：Training Recipe才是答案
3.后来读研一年多，潜修内功，学了vLLM，peft之类的训练框架，做了几个横向课题，对简单业务熟练了。选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。总结：互联网中厂大厂，尤其是给你权限给你机器玩的，去，提升极大。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:09:58
20
原创 领域大模型怎么做？一套稳健的 Training Recipe 才是答案
从2024年底DeepSeek"诺曼底登陆"以来，2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后，T+1时刻有更优的通用模型公布，在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后，理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化，我都能在短时间内基于通用SOTA模型，重新走一遍training recipe，达到更优水平。
2026-04-07 14:09:55
141
原创 非AI专业也能转型大模型开发：我的30天实战记录
看到同事靠大模型开发拿到高薪offer，你还在犹豫自己不是AI专业？作为一名普通后端开发，我曾经也认为大模型开发高不可攀——直到亲眼目睹同组Java同事仅用一个月就成功转型大模型应用开发，薪资涨幅40%。。现在，我要分享一条专门为设计的实战路径，让你即使零基础，也能在短时间内掌握大模型应用开发的核心技能。一、破除迷思：为什么非AI程序员更容易上手大模型应用开发？“我没有AI背景，能学会大模型开发吗？最关键的是项目实践，把大模型API用起来，边做边学**。我接的第一个项目是知识库问答，三周就交付了。
2026-04-07 14:09:53
158
原创 零基础转型大模型开发：程序员的AI进阶之路
看到同事靠大模型开发拿到高薪offer，你还在犹豫自己不是AI专业？作为一名普通后端开发，我曾经也认为大模型开发高不可攀——直到亲眼目睹同组Java同事仅用一个月就成功转型大模型应用开发，薪资涨幅40%。。现在，我要分享一条专门为设计的实战路径，让你即使零基础，也能在短时间内掌握大模型应用开发的核心技能。一、破除迷思：为什么非AI程序员更容易上手大模型应用开发？“我没有AI背景，能学会大模型开发吗？最关键的是项目实践，把大模型API用起来，边做边学**。我接的第一个项目是知识库问答，三周就交付了。
2026-04-07 14:09:51
147
原创 零基础学自然语言处理：Jieba与Transformers实战
标签：#自然语言处理、#人工智能、#大模型、#大模型实战、#transformer、#机器学习、#深度学习。
2026-04-07 14:09:49
311
原创 零基础学大模型：这份路线图让我月薪涨了40%
注意事项：1、不建议用Ollama等量化工具部署模型，因为5分钟就学会了，让人误以为大模型部署不过如此，其实Q4量化的精度很低，不适合用于生产环境。学习大模型，实践是非常重要的，所以首先得有显卡，可以购买，也可以在各种云平台上短租，具备此条件，然后再学习，才能达到事半功倍的效果。5、学习RAG技术，先学习部署Dify等产品，然后学习langchain、llamaindex等。3、学习微调大模型，了解全量微调、LoRA微调、SFT、强化训练等基础理论，实践LoRA微调。
2026-04-07 14:09:46
49
原创 零基础如何准备大模型实习面试
现在95%的大模型实习岗位，都不是让你去从头“创造”一个GPT-5，而是让你基于现有的模型，去做各种“下游”工作。大家想象中的大模型实习，可能是这样的：一排排A100/H100在你面前闪烁，你和团队大佬一起，对着满屏的代码和公式，高喊一声“开始训练！实际情况更可能是这样的：你的导师（mentor）丢给你一个开源模型（比如Llama 3, Qwen, ChatGLM），然后让你去解决一个具体的业务问题。不是教科书式的空谈，也不是夸张的“你只要努力就能进大厂”的励志文，而是尽量落地、可执行的路径。
2026-04-07 14:09:41
379
原创 零基础入门大模型开发：三周实战速成指南
看到同事靠大模型开发拿到高薪offer，你还在犹豫自己不是AI专业？作为一名普通后端开发，我曾经也认为大模型开发高不可攀——直到亲眼目睹同组Java同事仅用一个月就成功转型大模型应用开发，薪资涨幅40%。。现在，我要分享一条专门为设计的实战路径，让你即使零基础，也能在短时间内掌握大模型应用开发的核心技能。一、破除迷思：为什么非AI程序员更容易上手大模型应用开发？“我没有AI背景，能学会大模型开发吗？最关键的是项目实践，把大模型API用起来，边做边学**。我接的第一个项目是知识库问答，三周就交付了。
2026-04-07 14:09:37
559
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人