发表于： 0001-01-01

字数： 1246 阅读：≈ 3分钟浏览：

可以，而且我会根据你的实际情况重新设计，而不是照搬“AI应用开发工程师”的路线。

你的情况比较特殊：

已有：

Python基础
sklearn接触过
ML/DL理论基础
数学建模经验
Kaggle经验
Dify/Coze经验
Django基础
Docker/FastAPI接触过

缺少：

PyTorch体系化能力
独立复现模型能力
完整AI项目经验
部署与工程化能力
论文复现经验

因此未来3个月最合理的是：

主线：PyTorch + 模型能力
副线：FastAPI + Docker
输出：一个完整AI项目

第1个月：建立PyTorch体系

目标：

从

看得懂

变成

自己写得出来

Week 1

PyTorch基础

学习内容：

Tensor
Autograd
GPU
Dataset
DataLoader

每天：

1
2
1h 理论
1h 代码

练习：

自己写：

1
2
Dataset
DataLoader

不要复制教程。

成果：

实现：

`1`	`MNIST数据读取`

Week 2

神经网络基础

学习：

1
2
3
4
5
6
7
nn.Module

Linear

ReLU

Dropout

理解：

1
2
3
4
forward
loss
backward
optimizer

项目：

MNIST分类

要求：

不看代码自己重写。

成果：

GitHub项目1

Week 3

CNN

学习：

1
2
3
Conv2D
Pooling
BatchNorm

项目：

CIFAR10分类

同时开始：

阅读第一篇论文

建议：

ResNet

不要求完全看懂。

Week 4

Transformer入门

学习：

1
2
3
4
5
Attention

Self-Attention

Multi-Head Attention

实现：

简化版Transformer

不用追求复杂。

成果：

你应该已经能回答：

`1`	`PyTorch如何训练模型？`

而不是只会调用。

第2个月：科研能力 + 工程能力并行

Week 5

sklearn强化

目标：

脱离教程。

项目：

Titanic

自己完成：

1
2
3
4
5
6
7
EDA

特征工程

训练

评估

成果：

完整Notebook。

Week 6

FastAPI

学习：

1
2
3
4
5
6
GET
POST

Pydantic

Router

项目：

`1`	`学生成绩预测API`

或者：

房价预测API

成果：

GitHub项目2

Week 7

Docker

学习：

1
2
3
4
5
6
7
Image

Container

Volume

Network

项目：

把Week6项目Docker化。

成果：

你能解释：

`1`	`Docker为什么存在？`

Week 8

论文复现

选简单论文：

第3个月：完整AI项目

这一阶段最重要。

Week 9

RAG基础

学习：

1
2
3
4
5
Embedding

Chunk

Retriever

工具：

FAISS
LangChain（了解即可）

项目：

本地知识库。

Week 10

PDF问答系统

实现：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
上传PDF

↓

切块

↓

向量化

↓

问答

成果：

GitHub项目3

Week 11

FastAPI整合

把RAG项目变成：

API服务

实现：

1
2
3
POST /chat

POST /upload

Week 12

Docker部署

最终项目：

1
2
3
4
5
6
7
RAG

+
FastAPI

+
Docker

成果：

简历主项目完成。

每周时间分配

如果按20小时/周计算：

内容	时间
PyTorch	8h
论文/科研	4h
FastAPI/Docker	4h
项目开发	4h

每周固定科研任务

无论学到哪一周，都保持：

每周1篇论文

来源：

输出：

记录：

1
2
3
4
5
6
7
问题是什么？

为什么提出？

核心创新？

实验结果？

3个月结束后的能力画像

你应该达到：

模型

✅ PyTorch

✅ CNN

✅ Transformer基础

✅ sklearn

科研

✅ 阅读论文

✅ 复现简单论文

✅ 数学建模继续推进

工程

✅ FastAPI

✅ Docker

✅ Git

项目

✅ 至少3个GitHub项目

其中至少1个：

1
2
3
4
5
6
7
模型训练
↓
模型评估
↓
API封装
↓
Docker部署

如果能达到这个状态，那么无论是：

AI Application Intern
Machine Learning Intern
AI Engineer Intern
Research Intern（偏工程研究）

你的简历都会比现在有明显提升，而且不会因为只学工程而牺牲科研发展的空间。