最近有很多同学问我，零基础学习 智能的路线是怎么样的？

废话不多说，先上 张图镇楼，看看零基础学习 智能的路线有哪些 向，它们之间有什么关系和区别，各自需要学习哪些东 。

在这个圈 技术 类中， 作岗位主要有以下三个 向：

• 数据分析/机器学习：Python数据分析/量化交易/舆情分析/信号处理
• 然语 处理NLP：对话系统/翻译软件/物体命名/知识图谱
• 机器视觉CV：图像分割/分类/ 标检测/OCR/ 动驾驶

下 逐 说明 下。

第一个方向：数据分析/机器学习

如果你是来 医疗 业、 业、零售和 融等 业 ，那么恭喜你，今年2023年 共投资了155起融资，你可以把数据分析、机器学习作为 个岗位结合到以上 业中进 就业/提升，从 加薪。

如说，在医疗 业 随机森林算法进 预测肿瘤癌症，在 业中 SVM算法进 异常值分析/零件缺陷，在 融 业 Python的Pandas分析搜狐证券，并 机器学习的树模型建模。

具体要掌握哪些技能/知识/理论/项 呢：

• Excel结合数据分析思维 数据分析必学编程语 Python Python数据分析 MySQL数据分析实战 互联 公司必备Tableau商业智能 具 数据分析必备理论基础-统计学知识 某 转让可 性数据分析
• 量化交易-A股预测
• 联通信号处理
• 猪价格预测
• 京东/天猫 潜 户下单预测

总结 下，数据分析师/机器学习 程师都是在做 本分析、表格建模，涉及 业、 业、零售和 融等 业(互联 + 向) ，最多的 作就是在研究 户、研究流量、研究产品等

分析 户、流量和产品 到的技术主要以Python数据分析、机器学习和统计学三 技术栈为主，也有少部分的Excel、MySQL和Tableau等 具。

数据分析师/机器学习 程师，相对开发 向，对编程的要求要低 些（只是相对，部分产品的研发对数据分析师要求并不低），甚 我 过不少公司的数据分析师对 智能的算法 所知。在这种情况下，如果除了基本的数据分析的功底以外，对 智能技术有所了解， 然会是你 试这些岗位时的加分项。

第二个方向：自然语言处理NLP

然语 处理NLP 向，这是人工智能AI两 技术 向之 。

这个 向主要涉及到软件机器 对话/问答系统、翻译软件、物体命名分析等 作，涉及GPT分析、Transformer、BRET等技术。因为经常都是与 本打交道，所以久 久之 科的同学 常适合学NLP 向，尤其是来 互联 +的 业的同学。

这个 向的特点是：需要耐得住寂寞。

比不上机器视觉可以有实实在在的产品输出，也 不上 动驾驶 向听起来的狂拽炫酷，这个 向更多时间是在默默的分析和研究 ，更加适合就业，混 饭吃。

以chatGPT的 语 模型Transforer为例，光是学习五花 的论 就需要花不少的时间。在这个领域，为了研究 个问题，可能花费数 甚 数年时间，这绝 般 能坚持下来的。不仅如此，不是勤奋就可以成功，更多还要靠天分。

像 歌、百度、字节等公司 智能实验室的掌 ，业界知名的李开复、陆奇这些 物，他们已经深谙漏洞挖掘的奥义，并将这 绝技融会贯通，做个梦都能想到新的玩法。不过像这样的天才实在是少之 少，绝 多数 都 法企及。

如果说程序员是苦逼的话，那 然语 处理NLP就是苦逼Plus

第三个方向：机器视觉CV

在这张图路线图中， 共划分了15个章节，但并不是说你得学完全部才能上 作，对于 些初级岗位，学到第第 章个阶段就 矣。

下 的内容， 定要结合上 这张图看效果才最好，建议在浏览器中新建 个tab ，打开那张图，结合着看。

一、青铜时代

第 个阶段—— 器时代，针对的是纯新 刚刚 场。在这个阶段，主要是打基础，需要学习的有4部分内容：

1、数据分析思维与业务流程

当年数据分析包含 智能、机器学习，数据分析思维是 试和 板对话的重中之重，逻辑树、5W2H、SWOT等数据分析 法是互联 公司中必知必会的，还有掌握5个流程的细节，从明确 标、数据清洗、数据分析、数据展现到数据分析报告都要全 位掌握。

除此之外，学习在机器学习上 进 本预测、表格分析等预测，要先学会Excel分析，为接下来学习表格建模做准备 作。

智能，必然要与算法经常打交道，我看到很多新 上来就跟着 些培训班学习算法，学的云 雾 的。连基本的 标函数的概念都没建 起来，就急着学算法，这属于还没学会 路就去学跑步，本末倒置了

在基础阶段，主要以使 为主，学习数据分析的 法论、Excel、分析5步流程，对数据分析有 个基本的认知。

2、MySQL数据分析实战

数据分析中，MySQL肯定是 常重要的存在。作为基础阶段，这 节主要从宏观上学习多表查询和开窗函数， 不是死扣某 个sql的某些字段意义。 先理解MySQL各存储引擎原理与特点，继 掌握SQL多表 级查询、开窗函数，然后掌握数据库性能调优策略，使 SQL进 数据清洗与数据规范化。

3、数据分析必学编程语 -Python

Python现在是职场 必会的编程语 ，同时也是数据分析必须第 语 ，在这个阶段 ，具备Python编程思维与编程能 ，使 Python做 动化办公脚本，使 Python做爬 程序，熟练使 Python做更复杂的数据分析 与可视化代替 具。具体包括：

4、数据分析必备理论基础-统计学知识

理解统计学基础知识和理论，掌握ABTest必备统计学理论基础，常 的数据建模 法（相关/回归/逻辑回归/时间序列分析），使 Python等 具结合统计学进 建模、预测分析，具备满 数据分析 试中关于统计学 频考点的理论要求。

二、白银时代

度过了 器时代，你已经储备了 些数据分析的基础知识：Python语 编程，统计学知识，数据库mysql等初识，但这距离做 智能还不够，在第 个 铜阶段，你还需要再进 步学习基础，在第 阶段之上，难度会开始慢慢上升。

这 阶段需要学习的知识有：

1、线性模型

在前 的 器时代，咱们初步接触了数据分析，了解了数据分析 法论的基本原理。不过那时候是偏基础的，在这个进阶的阶段，你要开始接触机器学习的内容了。

先从常 的两 主流算法出发，学习算法那理论和代码建模的基本知识，随后引出互联 公司喜爱的机器学习项 ，从线性理论过渡到后来的全连接神经 络MLP等深度学习的算法技术，从专业的 度上说 ，线性回归、逻辑回归和 持向量机等算法到现如今，只需要掌握这3个算法的理论，不需要掌握代码。

那么如何掌握这3个算法的线性模型呢？

• 第 步，确定基本函数
• 第 步，确定 标函数
• 第三步，找到优化方法

掌握这3个公式，就是精华，其他的公式跟你没关系。

2、树模型

学习机器学习的线性理论，接下来就是在量化交易、 融 控、信号处理等场景中，数据只要是表格型的，就 到决策树、随机森林和XGBoost算法建模（这是经验之谈）。

由于学习的 的不同，所以在学习 法上和普通的机器学习算法就有所不同了。在这 咱们学习 下算法推导中，树模型(决策树/随机森林/XGBoost)显然没有前 的线模型难，当然如果你有兴趣，学的更深 当然更好。

三、白银时代

现在进 第三个阶段—— 银时代，激动 的时刻就要到来了，在这个阶段，我们开始全 学习真正的机器视觉CV了，前 两个阶段打下的基础，在这个阶段，也将派上 场。

这 阶段需要学习的知识有：

1、CNN卷积神经网络 / 残差网络

有了前 的Python编程和机器学习的基础，可以来正式学习机器视觉CV了。机器视觉CV领域内 典型的场景：图像分割、OpenCV传统视觉、图像分类、 标检测、 动驾驶等等，每 个都需要详细学习， 边学习理论， 边动 实践。

作为 个下 的过来 ，在学习深度学习的神经 络中，重点掌握理论的 法和写代码的 法，下 我贴2张图，已经经历过学习检验，务必记下来。

2、目标检测系列算法

2023年统计时间内共有151起投资事件， 业、泛安防、能源为热 赛道TOP3， 业赛道以53.6%的过半热度斩 获中国计算机视觉市场融资热度 位。表示AI视觉的 业成熟度和认可度已进 新阶段。

恭喜同学到了这步，如果你看到了这 ，说明你已经达到6分的 平，还有4分，继续由我来给你分享 下如何学习 标检测算法，重点分为3块； 先你需要先学习 下基础的 标检测基础知识，才能掌握 标检测的算法Faster R-CNN ，这个是 前最经典的算法了，不过，这 呢，不要乱学，不要写代码，先要掌握理论，那么什么时候写代码、写项 、写论 呢，在YOLO系列的算法中，在 业界和互联 中有居 的热度，我 的绝 部分的项 都是从YOLO算法系列实现的。

三、黄金时代

2023年4 ，中国NLP赛道累计投 融资事件数达到54起。其中， 融、 医疗、零售、政务为NLP赛道Top4应 领域， 占 分别达到42.6%、35.2%、27.8% 与24.1%。从涉及的应 产品来看，主要包括智能 档处理 ( IDP ) 、机器 流程 动化 ( RPA/IPA ) 、专 搜索引擎、 本 成、机器翻译、垂直领域认知智能产品 (如医疗CDSS、政务舆情监测系统 ) 等。其中RPA 商占 最 ，RPA产 品集成NLP技术可在 动化端到端流程上让机器做出决策，如票据处理、合同分析等，在 融、零售、互联 多 业领域 应 阔。从融资事件轮次分布来看，C轮以前的融资事件占 达到66.7%，多集中在早期，产业仍处于快速发展阶段。

四、铂金时代

下 张图作为 个结尾，到了这步，重点就是做项 了。

希望以上内容对你的学习有所帮助！