📚 Wiki 知识库

如何成为一名机器学习工程师：完全指南

✍ Arman Hezarkhani🕐 2026-01-21📦 16.3 KB 🟢 已读 𝕏 文章列表

本文是一份详细的机器学习（ML）工程师学习路径指南。作者首先纠正了被动观看视频的学习误区，提出“两遍学习法”以建立深刻的技术理解。文章明确了ML工程师与数据科学家及研究员的区别，强调工程实现能力。随后，作者将学习路径分为两个阶段：第一阶段利用 3Blue1Brown 的视频构建数学直觉，涵盖神经网络、梯度下降、反向传播及 Transformer 架构；第二阶段（文中截断处未完）预告将通过 Andrej Karpathy 的课程来提升代码实现能力。

机器学习学习路径神经网络Transformer深度学习职业发展LLM3Blue1BrownKarpathy教程

🔗 相关文档

图解 Transformer 架构：从原理到细节的全面解析

本文深入浅出地解析了 Transformer 架构，它是现代大语言模型（LLM）的核心。文章从宏观视角出发，通过解码的方式，逐一拆解了 Transformer 的关键组件，包括编码器与解码器、分词与嵌入、位置编码、注意力机制（Attention）以及多头注意力等。作者详细解释了该架构如何解决传统模型的“遗忘”和“慢速”问题，实现了并行处理和长距离依赖捕捉，并最后阐述了其强大的原因。

技术 › LLM ✍ Amit Shekhar🕐 2026-04-18
Transformer架构解析注意力机制深度学习AILLM编码器解码器机器学习教程

从零到 AI 工程师的 4 个月速成路径

本文指出 AI 工程是当前增长最快的高薪职位之一，且学历门槛正在降低。文章为转行者规划了一条为期 4 个月的高效学习路径，强调跳过繁重的数学理论，专注于 API 调用、Prompt 设计和 RAG 等工程落地技能，并分析了常见的转型误区与市场机遇。

技术 › LLM ✍ AI Guides🕐 2026-07-08
AI工程师职业发展学习路径LLM转行教程RAGAPI提示工程职场指南

20 张手绘图讲透 AI 核心概念

本文翻译整理了一组在 X 上广为流传的 AI 科普手绘图，涵盖从神经网络、Transformer 架构到大语言模型（LLM）的 20 个核心概念。作者不仅解释了 AI 底层运作原理（如分词、注意力机制），还介绍了模型优化手段（如微调、RLHF）及前沿应用架构（如 RAG、Agent、思维链），是一份简洁全面的 AI 技术入门指南。

技术 › LLM ✍ Jason Zhu🕐 2026-05-25
AI神经网络TransformerLLMAgentRAGRLHF科普手绘图深度学习

从零构建 LLM 架构并转化为高薪职业的指南

本文详细介绍了如何从零开始学习大语言模型（LLM）架构。内容涵盖了从掌握 Python 基础、理解神经网络和 Transformer 原理，到深入掌握 Tokenization、Embedding、Attention 机制及 RAG 技术等核心概念。文章还提供了具体的学习路线图，并探讨了通过自由职业、构建 SaaS 产品、远程工作及自动化代理等方式将 LLM 技能转化为高美元收入的职业路径。

技术 › LLM ✍ Shabnam Parveen🕐 2026-05-18
LLMTransformerRAG职业发展PythonDeepLearningAI工程创业教程SaaS

LoRA - LLMs 的低秩适配详解

文章详细介绍了 LoRA (Low-Rank Adaptation) 技术，这是一种用于高效微调大型语言模型的方法。通过冻结原始权重并学习两个极小的低秩矩阵，LoRA 能够在保持模型性能的同时，大幅降低显存占用、训练成本和存储空间。文章还解释了 LoRA 的核心数学原理、具体实施步骤以及为何全量微调成本高昂的原因。

技术 › LLM ✍ Amit Shekhar🕐 2026-05-08
LLMLoRA微调深度学习Transformer模型优化低秩适配AI机器学习Parameter Efficient

如何在6个月内成为代理AI工程师

本文提供了一个为期6个月的12阶段AI工程师学习路线图。文章首先阐述了代理工程师的核心是构建能自主决策的系统，而非编写固定逻辑。前两个阶段重点介绍了Python异步编程的基础（解决API调用阻塞问题）和LLM的基本原理（如上下文限制、成本控制和模型路由）。随后详细讲解了工具调用与结构化输出的实现方法，强调使用Pydantic验证数据及构建可恢复的Agent循环。

技术 › Agent ✍ Rahul🕐 2026-07-12
AIAgentLLMPython异步编程教程职业发展工具调用Pydantic学习路线

Karpathy 同款知识大脑搭建指南：从原理到实现

本文详细解读了 Karpathy 提出的基于 LLM 的个人知识库管理方案 'llm-wiki'。文章核心在于将传统的 RAG 检索模式转变为 '编译' 模式：人负责收集原始资料，LLM 负责将资料编译成互相链接的维基页面。文中深入剖析了系统的三层架构、Schema 设计的重要性，并提供了从 0 到 1 的动手搭建指南及进阶的 '防坑' 建议，旨在帮助读者构建一个具备持续复利能力的个人知识库。

技术 › LLM ✍ Kyrie🕐 2026-07-09
LLM知识库ObsidianKarpathy个人成长教程AI工具Claude

2026年AI工程师全攻略（无CS学位）

本文阐述了在2026年如何无需计算机学位成为一名AI工程师。文章指出，当前的招聘市场更看重实际构建能力而非学历背景，并明确区分了AI工程师（系统集成与落地）与机器学习研究员（模型训练）的区别。作者提供了一套完整的学习路径（技术栈），包括Python、SQL、API集成、向量搜索、RAG及Agent框架等，并建议通过构建RAG应用、工具使用Agent及全栈部署产品这三个具体项目来证明能力，从而获得工作机会。

技术 › LLM ✍ CyrilXBT🕐 2026-07-06
AI工程师学习路径RAGAgent职业发展PythonAPI集成LLM技能提升项目管理

PyTorch 训练流程速查表

这是一份关于 PyTorch 训练流程的单页速查表。文章通过代码示例和原理解析，深入浅出地讲解了张量的核心概念、矩阵乘法、自动求导机制、反向传播以及梯度下降优化过程。同时涵盖了 `nn.Module` 常用组件如 Linear、ReLU 和 GELU 的使用，旨在帮助开发者快速理解深度学习引擎的运作原理。

技术 › 编程语言 ✍ kozue🕐 2026-07-03
PyTorch深度学习教程张量Autograd机器学习速查表矩阵乘法反向传播Python