<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[GP00001的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/GP00001</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; GP00001]]></copyright><item><title><![CDATA[零基础转行大模型选哪个岗位方向最易上手？完整指南]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118485</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118485</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 17:06:17 +0800</pubDate><description><![CDATA[不讲玄学、不堆名词、不画大饼，只用最通俗、最落地、最真诚的话，把零基础转行大模型，到底哪个岗位最容易上手、最容易出作品、企业最缺人讲透。这些年，我每天接触最多的，就是这样一群人：零基础、非科班、没写过几行代码、数学早就忘光，却不甘心困在原来的岗位，想冲进当下最有前景、薪资最可观的大模型行业。1. 是最安全的“入行跳板”先进入AI行业，干1年左右，熟悉整个流程，再转提示词、转RAG、转产品、转运营，内部转岗比外面容易10倍。凡是从提示词、数据、RAG低代码切入的，大部分都坚持下来，并且入职了。]]></description><category></category></item><item><title><![CDATA[零基础学深度学习需要学哪些框架？PyTorch 和 TensorFlow 选哪个？｜2024新手必看]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118471</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118471</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 17:05:58 +0800</pubDate><description><![CDATA[优势：零基础友好教学（从Python起步，通俗讲解PyTorch/TensorFlow），实战项目导向（带你做10+项目，如CNN检测、Transformer生成），个性化学习规划（我1v1评估你的背景，定制路线），带练答疑（小班直播，每周反馈bug）。这些年，我辅导过数百名非计算机专业的学员入门深度学习，从财务、销售、教师到文员背景，他们中很多人一开始连编程都没碰过，但通过正确的路径和框架选择，几个月就上手了模型训练、项目落地，甚至拿到了算法助理或数据工程师的offer。为什么入门必学：稳定，工业级。]]></description><category></category></item><item><title><![CDATA[深度学习面试核心：30个必考知识点详解]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118366</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118366</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 17:03:51 +0800</pubDate><description><![CDATA[经历30+场CV面试后，我总结了这些高频考点。一阶方法：SGD、Momentum、Nesterov、AdaGrad、RMSProp、Adam、Nadam二阶方法：牛顿法、拟牛顿法、共轭梯度法、BFGS、L-BFGS自适应优化算法：Adagrad（累积梯度平方）、RMSProp（滑动平均）、Adam（带动量）避免局部最优：使用BGD、SGD、MBGD、momentum、RMSprop、Adam等方法。批量梯度下降（BGD）：一次迭代对所有样本计算，利用矩阵操作实现并行。缺点是样本量大时训练慢。随机梯度下降（S]]></description><category></category></item><item><title><![CDATA[斯坦福CS146S：未来10年软件开发的趋势预测]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118247</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118247</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 17:01:21 +0800</pubDate><description><![CDATA[二、十周课程：从原理到实战课程设计覆盖了 AI 辅助开发的完整生命周期。以下是每周的关键主题：第 1-2 周：LLM 基础与 Agent 架构从 LLM 的工作原理讲起，深入 Prompt Engineering 的实战技巧，然后进入 Agent 架构的关键概念——工具调用、函数调用、Model Context Protocol (MCP)。第二周的作业是从零构建一个 Coding Agent，并搭建自定义的 MCP Server。第 3-4 周：AI IDE 与 Agent 管理。]]></description><category></category></item><item><title><![CDATA[建议收藏：机器学习与深度学习的区别是什么？如何选择研究方向？]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118195</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118195</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 17:00:22 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[保姆级教程：零基础学深度学习需要学哪些框架？PyTorch 和 TensorFlow 选哪个？]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118137</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118137</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 16:59:02 +0800</pubDate><description><![CDATA[优势：零基础友好教学（从Python起步，通俗讲解PyTorch/TensorFlow），实战项目导向（带你做10+项目，如CNN检测、Transformer生成），个性化学习规划（我1v1评估你的背景，定制路线），带练答疑（小班直播，每周反馈bug）。这些年，我辅导过数百名非计算机专业的学员入门深度学习，从财务、销售、教师到文员背景，他们中很多人一开始连编程都没碰过，但通过正确的路径和框架选择，几个月就上手了模型训练、项目落地，甚至拿到了算法助理或数据工程师的offer。为什么入门必学：稳定，工业级。]]></description><category></category></item><item><title><![CDATA[一文梳理CV基础模型：13类算法、85种变体全览]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160118026</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160118026</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 16:56:40 +0800</pubDate><description><![CDATA[为了不花这个钱，研究者们八仙过海各显神通：用没标过的数据、用网上爬的图文、用多模态数据，通过对比学习、掩码重建这些方法先 pretrain 一个基础模型，然后再微调到检测、分割这些具体任务。这篇综述把 CV 基础模型整理得明明白白：13大类算法，每类下面85个变体，从 LeNet、ResNet 这些老前辈，到 SAM、GPT4 这些新面孔，全部覆盖。现在视觉基础模型已经相当多了，对做CV研究的人来说，这些模型的研究价值很高。当然，现有方法虽然效果好，但提升空间还是很大的。论文108篇，按年份排列。]]></description><category></category></item><item><title><![CDATA[CV算法工程师求职全攻略：25个知识点帮你通关面试]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160117947</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160117947</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 16:55:08 +0800</pubDate><description><![CDATA[很多同学让我写面试指南，我一直没动笔。因为面试这事儿没有标准答案，说多了容易让人焦虑。但今天还是聊聊，毕竟有些经验可以分享。]]></description><category></category></item><item><title><![CDATA[Agentic Workflow设计模式：从理论到代码实现]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160117866</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160117866</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 16:53:39 +0800</pubDate><description><![CDATA[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！]]></description><category></category></item><item><title><![CDATA[AI Agent求职被拒最常见的原因是什么]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160117792</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160117792</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 16:52:08 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[AI Agent岗位技术栈要求：2025年最新标准]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/160117711</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/160117711</guid><author>GP00001</author><pubDate>Mon, 13 Apr 2026 16:50:38 +0800</pubDate><description><![CDATA[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。3.把Agent做成能交付的系统很多人到这里就卡壳了，Demo跑得飞起，但一上强度就不稳定。]]></description><category></category></item><item><title><![CDATA[数据开发者的AI转型：大模型应用实录]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920825</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920825</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:22 +0800</pubDate><description><![CDATA[所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。]]></description><category></category></item><item><title><![CDATA[数据开发者的AI工具箱：大模型实战]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920823</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920823</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:19 +0800</pubDate><description><![CDATA[所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。]]></description><category></category></item><item><title><![CDATA[数据开发提效：大模型应用全解析]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920822</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920822</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:17 +0800</pubDate><description><![CDATA[所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。]]></description><category></category></item><item><title><![CDATA[数据开发人员必看：大模型能帮你做什么]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920820</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920820</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:14 +0800</pubDate><description><![CDATA[所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。]]></description><category></category></item><item><title><![CDATA[数据工程师学AI：大模型转型指南]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920816</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920816</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:11 +0800</pubDate><description><![CDATA[所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。]]></description><category></category></item><item><title><![CDATA[数据工程师如何利用大模型提效]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920814</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920814</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:08 +0800</pubDate><description><![CDATA[所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。]]></description><category></category></item><item><title><![CDATA[收藏！2025年LLM就业全景图：5大核心方向与薪资水平]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920812</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920812</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:06 +0800</pubDate><description><![CDATA[作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。]]></description><category></category></item><item><title><![CDATA[收藏备用！LLM求职者的核心技能清单]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920810</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920810</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:03 +0800</pubDate><description><![CDATA[作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。需要掌握跨模态对齐技术（例如CLIP模型）、多模态编码器-解码器架构（例如Flamingo），以及3D重建算法（例如NeRF），适合对前沿技术感兴趣、愿意持续学习的开发者。]]></description><category></category></item><item><title><![CDATA[搜广推基础+LLM：两条腿走路的现实路径]]></title><link>https://blog.youkuaiyun.com/GP00001/article/details/159920808</link><guid>https://blog.youkuaiyun.com/GP00001/article/details/159920808</guid><author>GP00001</author><pubDate>Tue, 07 Apr 2026 14:06:00 +0800</pubDate><description><![CDATA[先说个结论，LLM业务算法岗，现在不一定非得有对口论文，但背景和成果匹配度会影响你拿到求职面试的概率。论文是加分，不是门票。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。他们的目标是啥？是去对标OpenAI，去搞出下一个版本的GPT，去提升模型的基座能力。我见过一个例子：去年有个硕二同学，本科双非，硕士985，之前只有一篇跟图像生成相关的二作文章，跟LLM纯文本没关系，他在求职面试时重点聊了两件事：第二，他自己搭了个小规模的 RAG pipe]]></description><category></category></item></channel></rss>