AI 和机器学习是当前最热门的领域之一，涵盖从数据处理到模型部署的完整流程。

数学与编程基础

必修

Python 核心

必修

数据类型、函数式编程、面向对象、常用标准库

线性代数

必修

矩阵运算、特征分解、SVD 分解、向量空间

概率论与统计

必修

常见分布、贝叶斯定理、假设检验、最大似然估计

微积分（导数与优化）

必修

梯度、链式法则、凸优化基础

信息论基础

选修

熵、KL 散度、交叉熵

数据处理与可视化

必修

NumPy

必修

数组运算、广播机制、线性代数操作

Pandas

必修

DataFrame 操作、数据清洗、分组聚合、时间序列

Matplotlib / Seaborn

必修

折线图、柱状图、热力图、子图布局

EDA（探索性数据分析）

必修

缺失值处理、异常检测、相关性分析

Plotly / Bokeh

选修

交互式数据可视化

机器学习算法

必修

Scikit-learn 框架

必修

统一的 fit / predict / transform 接口

监督学习

必修

线性回归、逻辑回归、决策树、随机森林、SVM

集成学习

必修

Bagging、Boosting、XGBoost、LightGBM、CatBoost

无监督学习

必修

K-Means、DBSCAN、层次聚类、PCA / t-SNE

模型评估

必修

交叉验证、混淆矩阵、ROC / AUC、过拟合与正则化

特征工程

选修

特征编码、特征选择、特征缩放、多项式特征

深度学习

必修

PyTorch 核心

必修

Tensor 操作、自动求导、nn.Module、DataLoader

神经网络基础

必修

全连接网络、激活函数、反向传播、优化器（SGD / Adam）

卷积神经网络（CNN）

必修

卷积层、池化层、ResNet、图像分类实战

循环神经网络（RNN / LSTM / GRU）

必修

序列建模、文本分类

Transformer 架构

必修

Self-Attention、Multi-Head Attention、Positional Encoding

TensorFlow / Keras

选修

对比学习，了解高层 API 与 TF Serving

GAN / VAE

选修

生成模型，图像生成与数据增强

计算机视觉 / 自然语言处理

选修

CV 方向

选修

OpenCV 图像处理、YOLO 目标检测、UNet 语义分割

NLP 方向

选修

词向量（Word2Vec / GloVe）、BERT 微调、文本分类 / NER

图像分类实战

选修

迁移学习（ResNet / EfficientNet）、数据增强

序列标注

选修

命名实体识别、分词、词性标注

大模型与 AIGC

必修

HuggingFace Transformers

必修

加载预训练模型、Pipeline、模型微调

LangChain

必修

LLM 调用、Prompt 模板、Chain 编排、Memory

RAG（检索增强生成）

必修

向量数据库（Chroma / Milvus / FAISS）、Embedding 模型

模型微调（Fine-tuning）

必修

LoRA / QLoRA、PEFT、SFT 训练

LLM 部署

选修

vLLM / Ollama 推理加速、OpenAI API 兼容服务

Agent / 智能体

选修

ReAct 模式、Function Calling、多 Agent 协作

MLOps 与模型部署

选修

模型打包与部署

选修

ONNX 导出、TorchScript、Triton Inference Server

MLflow / WandB

选修

实验跟踪、模型注册、版本管理

模型监控

选修

数据漂移检测、模型退化告警

Docker + 云部署

选修

模型 API 容器化部署、GPU 资源管理