AI 学习与认证
人工智能学习路线AI Learning Path
从基础概念到大模型应用，这里提供考试认证、学习路径和项目实践建议，帮助你系统进入 AI 领域。
8+
推荐认证
5
学习阶段
6
实战项目
AI 认证考试方向
Microsoft
• AI-900 Azure AI Fundamentals
• AI-102 Azure AI Engineer Associate
适合：企业应用、Azure 云生态、MLOps 初中级岗位
AWS
• AWS Certified AI Practitioner
• AWS Machine Learning Specialty
适合：云原生 AI、推荐系统、生产级模型部署
Google Cloud
• Associate Cloud Engineer
• Professional Machine Learning Engineer
适合：数据平台、ML 工程、Vertex AI 生态
Other
• TensorFlow Developer Certificate
• Databricks ML Associate
适合：模型开发实操与端到端流水线能力提升
学习路径（建议顺序）
1
数学与基础：线性代数、概率统计、优化基础
2
机器学习：监督/非监督学习、特征工程、模型评估
3
深度学习：CNN、RNN、Transformer、训练技巧
4
大模型应用：Prompt Engineering、RAG、Agent 基础
5
工程化落地：评估体系、监控、成本与安全治理
实战项目建议
构建一个文档问答系统（RAG）并加上评测集
做一个客服自动回复 Agent，含工具调用与回退策略
实现一个文本分类或推荐模型的训练与部署流程
建立 AI 应用监控看板：延迟、成本、准确率、失败率
对应岗位方向
AI Application Engineer：偏 Prompt + 产品集成
ML Engineer：偏模型训练、部署和性能优化
Data/AI Engineer：偏数据管道、特征平台与 MLOps
AI Product Engineer：偏业务场景落地与迭代闭环