学习路线

一、Java 后端工程师路线

第一阶段：Java 基础

• Java SE 核心语法、面向对象、集合框架、IO、多线程
• 数据结构与算法（LeetCode Hot 100）
• 计算机网络（TCP/IP、HTTP/HTTPS）、操作系统基础

第二阶段：开发框架

• MySQL（索引优化、事务、MVCC）+ Redis（数据结构、持久化、集群）
• Spring Boot + MyBatis-Plus，完成 CRUD 项目实战
• Git、Maven/Gradle、Linux 基本操作

第三阶段：进阶提升

• JVM 调优（内存模型、GC、故障排查）
• 并发编程深入（JUC、锁机制、线程池）
• 消息队列（RabbitMQ/Kafka）、Elasticsearch
• 设计模式、领域驱动设计（DDD）基础

第四阶段：微服务架构

• Spring Cloud（Nacos、Gateway、Feign、Sentinel）
• Docker + Kubernetes 容器化部署
• 分布式事务（Seata）、分布式锁、分布式 ID
• CI/CD（Jenkins/GitHub Actions）、监控（Prometheus+Grafana）

二、AI 工程师路线

第一阶段：数学与编程基础

• Python 编程（NumPy、Pandas、Matplotlib）
• 线性代数（矩阵运算、特征值）、概率统计（贝叶斯、分布）、微积分（梯度、链式法则）

第二阶段：机器学习

• 经典算法（线性回归、决策树、SVM、集成学习）
• Scikit-learn 实战，Kaggle 入门竞赛
• 特征工程、模型评估与调优

第三阶段：深度学习

• PyTorch 框架（Tensor、自动求导、DataLoader、训练循环）
• CNN（图像分类）/ RNN+LSTM（序列建模）/ Transformer（核心架构）
• 选择方向深入：CV（检测/分割）或 NLP（文本分类/NER）

第四阶段：大模型应用

• Prompt Engineering、LLM API 调用
• RAG 系统搭建（LangChain/LlamaIndex + 向量数据库）
• 模型微调（LoRA/QLoRA）、Agent 开发
• 模型部署（vLLM/Ollama）、评估与优化

三、通用软技能

• 技术写作：坚持写技术博客，输出倒逼输入，加深理解
• 开源参与：从 Issue 和文档贡献开始，逐步提交 PR
• 英语能力：阅读英文文档和论文，技术英语是核心竞争力
• 系统设计：学习大厂架构案例，培养全局视角