路线进度
0% 0 / 7 个步骤已完成
如何解读信号
重要性 高 市场需求 中 自动化风险 低
- 1
Python + 统计
NumPy、pandas、概率与推断。统计才是真正的根基。
重要性 高 市场需求 高 自动化风险 低 - 2
数据清洗与探索分析
建模前清洗并探索杂乱数据。这占 80% 的工作。
重要性 高 市场需求 高 自动化风险 中 - 3
SQL 与数据库
连接、窗口函数、聚合。数据存在数据库里。
重要性 高 市场需求 高 自动化风险 低 - 4
机器学习基础
回归、树模型、验证、指标、过拟合。理解原理，而不只是 fit()。
重要性 高 市场需求 高 自动化风险 低 - 5
深度学习
神经网络、PyTorch、在合适场景用迁移学习做视觉/NLP。
重要性 中 市场需求 高 自动化风险 中 - 6
MLOps 与部署
通过 API 部署模型、追踪实验、监控漂移。上线 > 笔记本。
重要性 高 市场需求 高 自动化风险 低 - 7
应用大模型
嵌入、RAG 与评测——数据岗位如今与 AI 工程重叠。
重要性 高 市场需求 高 自动化风险 低